Hadoop 编程初步认识

Mapper 类有四个参数，分别是输入键、输入值、输出键和输出值的类型。
Hadoop 提供一套“可优化网络序列化传输”的基本类型，在org.apache.hadoop.io 包里。
LongWritable 相当于Java Long 类型。
Text 相当于Java String类型。
Intwritable 相当于 Java Integer类型。

新API放在org.apache.hadoop.mapreduce包内。

旧API放在org.apache.hadoop.mapred包内。

package wordcount;

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;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

  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    // 把Object 改成NullWritable 后，运行出错。不知为何。
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      // Text.toString(); 把Text类型变为字符串类型。
      while (itr.hasMoreTokens()) {
    	  // StringTokenizer 实现Enumeration接口
    	  // 默认以空白字符分割。
        word.set(itr.nextToken());
        // Text.set(String);  Text的一种构造方法
        context.write(word, one);
      }
    }
  }
  /**
   *   1.reducer 接收各个mapper的输出。
   *   2.按key值进行排序分组。
   *   3.相同key值的键值对在一个集合内。( Reduce第二个参数为Iterable接口变量。)
   *   4.然后调用reduce( )函数。
   *   
   *   @author ooc
   */
  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;
      for (IntWritable val : values) {
        sum += val.get();
        // IntWritable.get(); 返回 IntWritable的int值
      }
      result.set(sum);
      // IntWritable.set(int) ;  IntWritable的一种构造方法
      context.write(key, result);
      // 写入结果。
    }
  }

  public static void main(String[] args) throws Exception {
	 
	
    /**
	  String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
   
    if (otherArgs.length < 2) {
      System.err.println("Usage: wordcount <in> [<in>...] <out>");
      System.exit(2);
    }
    **/
	Configuration conf = new Configuration();
    Job job = new Job(conf, "word count");
   
	//  Job job=new Job();   // 用这条代替上面两条，eclipse卡死，但HDFS里还有输出
    job.setJarByClass(WordCount.class);
    //设置类名，Hadoop以此寻找包含此类的jar文件并运行。
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    // 设置map reduce的类名
    job.setOutputKeyClass(Text.class);
    // 设置输出键的类型
    job.setOutputValueClass(IntWritable.class);
    // 设置输出值的类型
    /**
    for (int i = 0; i < otherArgs.length - 1; ++i) {
      FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
    }
    FileOutputFormat.setOutputPath(job,
      new Path(otherArgs[otherArgs.length - 1]));
      **/
    for (int i = 0; i < args.length - 1; ++i) {
        FileInputFormat.addInputPath(job, new Path(args[i]));
        //输入路径，可添加多个路径
      }
      FileOutputFormat.setOutputPath(job,
        new Path(args[args.length - 1])); 
      // 设置Reduce函数的输出路径。运行前路径应该不存在。
    System.exit(job.waitForCompletion(false) ? 0 : 1);
    //waitForCompletion 方法提交作业并等待执行完成。
    //waitForCompletion 参数为true时，作业把进度写入控制台。
    // 任务成功返回true，则为exit(0);
  }
}

Hadoop 命令

hadoop fs -put  ~/file/file*  /input 

//  把本地磁盘～file/file*的文件导入HDFS里的input文件夹。

hadoop  jar  share/hadoopxxxx/xxxx.jar   wordcount   /input   /output 

//  运行jar中的wordcount   其中HDFS中的input为输入，output为输出。

Linux命令

cat file1 file2 > file // 将file1与file2的文件合并输出在新建文件file中

cat file1 - > file  //  - 是标准输入，就是把file1和一会键盘输入的，输出在file中。 输入以Ctrl+Z结束。