这里通过将代码打包成jar的方式,传输到linux中来运行wordcount程序
1、需求
从大量(比如T级别)文本文件中,统计出每一个单词出现的总次数
2、mapreduce实现思路
Map阶段:
- 从HDFS的源数据文件中逐行读取数据
- 将每一行数据切分出单词
- 为每一个单词构造一个键值对(单词,1)
- 将键值对发送给reduce
Reduce阶段:
- 接收map阶段输出的单词键值对
- 将相同单词的键值对汇聚成一组
- 对每一组,遍历组中的所有“值”,累加求和,即得到每一个单词的总次数
- 将(单词,总次数)输出到HDFS的文件中
3、具体编码实现(在idea中使用maven项目)
HDFS的基础上,在pom文件中导入mapreduce相关依赖
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>2.6.5</version>
</dependency>
wordcount代码
package MapReduce;
/**
* @Title:
* @author: 陈宏松
* @create: 2018-11-06 21:13
* @version: 1.0.0
**/
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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;
import java.io.IOException;
/**
* 使用MapReduce开发WordCount应用程序
*/
public class WordCountApp {
/**
* Map:读取输入的文件
*/
public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
LongWritable one = new LongWritable(1);
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
// 接收到的每一行数据
String line = value.toString();
//按照指定分隔符进行拆分
String[] words = line.split(" ");
for(String word : words) {
// 通过上下文把map的处理结果输出
context.write(new Text(word), one);
}
}
}
/**
* Reduce:归并操作
*/
public static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
@Override
protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
long sum = 0;
for(LongWritable value : values) {
// 求key出现的次数总和
sum += value.get();
}
// 最终统计结果的输出
context.write(key, new LongWritable(sum));
}
}
/**
* 定义Driver:封装了MapReduce作业的所有信息
*/
public static void main(String[] args) throws Exception{
//创建Configuration
Configuration configuration = new Configuration();
//创建Job
Job job = Job.getInstance(configuration, "wordcount");
//设置job的处理类
job.setJarByClass(WordCountApp.class);
//设置作业处理的输入路径
FileInputFormat.setInputPaths(job, new Path(args[0]));
//设置map相关参数
job.setMapperClass(MyMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
//设置reduce相关参数
job.setReducerClass(MyReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(LongWritable.class);
//设置作业处理的输出路径
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
使用maven打包
mvn clean package -DskipTests
在此项目目录中的target中会有个
HadoopTest-1.0-SNAPSHOT.jar包传到服务器中
使用命令执行jar包
hadoop jar HadoopTest-1.0-SNAPSHOT.jar MapReduce.WordCountApp hdfs://master:9000/text.txt hdfs://master:9000/output/wc
HadoopTest-1.0-SNAPSHOT.jar 为上传的jar包
MapReduce.WordCountApp 为项目的代码路径
hdfs://master:9000/text.txt 为hdfs里的输入文件
hdfs://master:9000/output/wc 为输出路径
进入http://master:8088,可以看到工作的web页面
可以看到完成结果
计算结果