03MR实现wordcount

KEYIN: 是maptask读取到数据的key类型，是一行的起始偏移量Long。
VALUEIN: 是maptask读取到数据的value类型，是一行的内容String。

KEYOUT: 是用户自定义map方法要返回结果kv数据的key类型，在wordcount逻辑中，我们需要返回的是单词String。
VALUEOUT: 是用户自定义map方法要返回结果kv数据的value类型，在wc逻辑中，我们需要返回的是整数Integer。

但是，在mapreduce中，map产生的数据需要传输给reduce，需要进行序列化和反序列化，而jdk中的
原生序列化机制产生的数据量比较冗余，就会导致数据在mapreduce运行过程传输效率地下，所以，
hadoop专门设计了自己的序列化机制，那么，mapreduce中传输的数据类型就必须实现hadoop自己的序列化接口。

Hadoop为jdk中的基本类型Long String Integer Float等数据类型封装了自己的实现了Hadoop序列化
接口的类型：LongWritable Text IntWritable FloatWritable。

主类，处理一行数据。

public class WcMapper extends Mapper<LongWritable, Text, Text, IntWritable> {	
	//将里面原先的一行逻辑删除，自己写。
	@Override
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
			throws IOException, InterruptedException {
		//切单词
		String line = value.toString();
		String[] words = line.split(" ");
		for(String word : words){
			context.write(new Text(word), new IntWritable(1));
		}
	}
}

另外写一个类，处理一组相同key的数据。

public class wcReduce extends Reducer<Text, IntWritable, Text, IntWritable>{
@Override
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws InterruptedException, IOException {
	
	int count = 0;
	Iterable<IntWritable> interator = values.iterator();
	while(iterator.hasNext()){
		IntWritable value = iterator.next();
		count += value.get();
	}
	context.write(key, new IntWritable(count));
	
}
}