Hadoop之自写 WordCount.class

不是井里没有水，而是你挖的不够深。不是成功来得慢，而是你努力的不够多。

昨天我们用Hadoop自带的WordCount.class统计了一个文件每个单词出现了几次。
今天我们自己写MapReduce。

第一步：写Map类

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.yarn.webapp.hamlet.Hamlet;

import java.io.IOException;

/**
 * map程序逐行读取数据，将每一行数据的起始偏移量作为key，类型是LongWritable，
 * 将每一行数据的内容作为value（Text），传给我们写的map，
 * 经过map阶段的处理，输出的key是Text，value是IntWritable。
 *
 * 调用机制：：
 * 1，谁在调用：map在调用
 * 2，怎么调：是在当前mapreduce过程中，每读取一行数据，调用一次map
 */
public class CountMap extends Mapper<LongWritable, Text, Text, IntWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //key：读进来时，数据的偏移量，一般没什么用
        //value：具体读进来的数据   hello
        String word = value.toString();
        String[] split = word.split(" ");
        for (String w:split) {
            //（hello ，1）（as ，1）（hello，1）
            context.write(new Text(w),new IntWritable(1));
        }
    }
}

第二步：写Reduce类

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * 在map中每次只用相同的才会过来
 * （hello，1） （hello，1） （hello，1） （hello，1）........
 * 他会自己改写成（hello，（1,1,1,1,1,1....））
 *
 * reduce的调用机制
 * 1，谁在调用：reduce阶段在调用
 * 2，怎么调用：reduce每收到一组key相同的数据，调用一次
 */
public class CountReduce extends Reducer<Text, IntWritable,Text,IntWritable> {
//重写Reduce方法
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        Integer count = 0;
        for (IntWritable v:values){
            count++;

        }
        context.write(key, new IntWritable(count));
    }
}

第三步：实现类

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;


import java.io.IOException;

public class CountDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf = new Configuration();
        conf.set("yarn.resorcemanager.hostname","192.168.72.110");
        conf.set("fs.deafutFS","hdfs://192.168.72.110:9000/");
        Job job = Job.getInstance(conf);
        job.setJarByClass(CountDriver.class);
        //设置本次job是使用map，reduce
        job.setMapperClass(CountMap.class);
        job.setReducerClass(CountReadius.class);
        //设置本次map和reduce的输出类
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputKeyClass(IntWritable.class);
        //制定本次job读取源数据时需要用到的组件：我们的源文件在hdfs的文本文件中，用TextInputFormat
        job.setInputFormatClass(TextInputFormat.class);
        //制定本次job输出数据需要的组件：我们要输出到hdfs文件中，用TextOutputFormat
        job.setOutputFormatClass(TextOutputFormat.class);
        //设置输入路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));
        //提交任务，客户端返回
        job.submit();
        //核心代码：提交jar程序给yarn，客户端不退出，等待接收mapreduce的进度信息，
        //打印进度信息，并等待最终运行的结果
        //客户端true的含义：等着
        //result：返回true则跑完了，false，出错了
        boolean resule = job.waitForCompletion(true);
        System.exit(resule ? 0 : 1);
    }
}

写完主类，我们要打jar包。本人是idea。
这是打包的网址。

https://blog.csdn.net/njxiaoxiao79/article/details/85679992

打包完后，将打包完的jar包上传到虚拟机。

[root@Tyler01 home]# rz

打开hadoop集群

[root@Tyler01 home]# start-all.sh

执行hadoop命令

[root@Tyler01 home]# hadoop jar a22.jar /wc/word.txt /wc/output

查看结果

hadoop fs -cat /wc/out/part-r-00000
as	3
daniu	2
hello	10
kopmgkomg	1
pp	2
tyler	1
tylerhjghjghjghjgjh	1