Hadoop2.6.0版本MapReudce示例之WordCount（一）

最新推荐文章于 2021-08-24 11:59:03 发布

lipeng_bigdata

最新推荐文章于 2021-08-24 11:59:03 发布

阅读量9.2k

点赞数 6

分类专栏： MapReduce源码分析

本文链接：https://blog.csdn.net/lipeng_bigdata/article/details/51180032

版权

MapReduce源码分析专栏收录该内容

15 篇文章 6 订阅

订阅专栏

本文通过一个详细的步骤，介绍了如何在Hadoop2.6.0版本中使用MapReduce实现WordCount示例。首先在Linux系统下准备测试数据，接着编写并封装MapReduce代码到TestMapReduce.jar，然后将jar包上传至Linux服务器并运行MapReduce任务。最后，验证输出结果，成功得到WordCount统计，包括Hello、Hadoop、Man、Boy和Word的计数。

摘要由CSDN通过智能技术生成

一、准备测试数据

1、在本地Linux系统/var/lib/hadoop-hdfs/file/路径下准备两个文件file1.txt和file2.txt，文件列表及各自内容如下图所示：

2、在hdfs中，准备/input路径，并上传两个文件file1.txt和file2.txt，如下图所示：

二、编写代码，封装Jar包并上传至linux

将代码封装成TestMapReduce.jar，并上传至linux的/usr/local路径下，如下图所示：

三、运行命令

执行命令如下：hadoop jar /usr/local/TestMapReduce.jar com.jngreen.mapreduce.test.WordCount /input/file1.txt /input/file2.txt /output/output

命令执行过程截图如下：

四、查看运行结果

查看hdfs输出路径/output下的结果，如下图所示：

运行结果为Hello 4、Hadoop 1、Man 1、Boy 1、Word 1，完全正确！

五、WordCount展示

源码如下：

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {

  // TokenizerMapper作为Map阶段，需要继承Mapper，并重写map()函数
  public static class TokenizerMapper 
       extends Mapper<Object, Text, Text, IntWritable>{
    
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
      
    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      
      // 用StringTokenizer作为分词器，对value进行分词
      StringTokenizer itr = new StringTokenizer(value.toString());
      
      // 遍历分词后结果
      while (itr.hasMoreTokens()) {
    	  
    	// 将String设置入Text类型word
        word.set(itr.nextToken());
        // 将(word,1)，即(Text,IntWritable)写入上下文context，供后续Reduce阶段使用
        context.write(word, one);
      }
    }
  }
  
  // IntSumReducer作为Reduce阶段，需要继承Reducer，并重写reduce()函数
  public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      // 遍历map阶段输出结果中的values中每个val，累加至sum
      for (IntWritable val : values) {
        sum += val.get();
      }
      
      // 将sum设置入IntWritable类型result
      result.set(sum);
      
      // 通过上下文context的write()方法，输出结果(key, result)，即(Text,IntWritable)
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    // 加载hadoop配置
	Configuration conf = new Configuration();
    
	// 校验命令行输入参数
	if (args.length < 2) {
      System.err.println("Usage: wordcount <in> [<in>...] <out>");
      System.exit(2);
    }
	
	// 构造一个Job实例job，并命名为"word count"
    Job job = new Job(conf, "word count");
    
    // 设置jar
    job.setJarByClass(WordCount.class);
    
    // 设置Mapper
    job.setMapperClass(TokenizerMapper.class);
    // 设置Combiner
    job.setCombinerClass(IntSumReducer.class);
    // 设置Reducer
    job.setReducerClass(IntSumReducer.class);
    // 设置OutputKey
    job.setOutputKeyClass(Text.class);
    // 设置OutputValue
    job.setOutputValueClass(IntWritable.class);
    
    // 添加输入路径
    for (int i = 0; i < args.length - 1; ++i) {
      FileInputFormat.addInputPath(job, new Path(args[i]));
    }
    
    // 添加输出路径
    FileOutputFormat.setOutputPath(job,
      new Path(args[args.length - 1]));
    
    // 等待作业job运行完成并退出
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}