在 hdfs 目录/tmp/tianliangedu/input/wordcount 中有一系列文件,内容均为",“号分隔,求按”,"号分隔的各个元素的出现频率,输出到目录/tmp/tianliangedu/output/个人用户名的 hdfs目录中。
Java代码为
//启动 mr 的 driver 类
public class WordCountDriver_1 {
// map 类,实现 map 函数
public static class MyTokenizerMapper extends
Mapper<Object, Text, Text, IntWritable> {
// 暂存每个传过来的词频计数,均为 1,省掉重复申请空间
private final static IntWritable one = new IntWritable(1);
// 暂存每个传过来的词的值,省掉重复申请空间
private Text word = new Text();
// 核心 map 方法的具体实现,逐个<key,value>对去处理
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
// 用每行的字符串值初始化 StringTokenizer
StringTokenizer itr = new StringTokenizer(value.toString(),",");
// 循环取得每个空白符分隔出来的每个元素
while (itr.hasMoreTokens()) {
// 将取得出的每个元素放到 word Text 对象中
word.set(itr.nextToken());
// 通过 context 对象,将 map 的输出逐个输出
context.write(word, one);
}
}
}
// reduce 类,实现 reduce 函数
public static class IntSumReducer extends
Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
// 核心 reduce 方法的具体实现,逐个<key,List(v1,v2)>去处理
public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
// 暂存每个 key 组中计算总和
int sum = 0;
// 加强型 for,依次获取迭代器中的每个元素值,即为一个一个的词频数值
for (IntWritable val : values) {
// 将 key 组中的每个词频数值 sum 到一起
sum += val.get();
}
// 将该 key 组 sum 完成的值放到 result IntWritable 中,使可以序列化输出
result.set(sum);
// 将计算结果逐条输出
context.write(key, result);
}
}
// 启动 mr 的 driver 方法
public static void main(String[] args) throws Exception {
// 得到集群配置参数
Configuration conf = new Configuration();
// 设置到本次的 job 实例中
Job job = Job.getInstance(conf, "wjq");
// 指定本次执行的主类是 WordCount
job.setJarByClass(WordCountDriver_1.class);
// 指定 map 类
job.setMapperClass(MyTokenizerMapper.class);
// 指定 combiner 类,要么不指定,如果指定,一般与 reducer 类相同
job.setCombinerClass(IntSumReducer.class);
// 指定 reducer 类
job.setReducerClass(IntSumReducer.class);
// 指定 job 输出的 key 和 value 的类型,如果 map 和 reduce 输出类型不完全相同,需
// 要重新设置 map 的 output 的 key 和 value 的 class 类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
// 指定输入数据的路径
FileInputFormat.addInputPath(job, new Path(args[0]));
// 指定输出路径,并要求该输出路径一定是不存在的
FileOutputFormat.setOutputPath(job, new Path(args[1]));
// 指定 job 执行模式,等待任务执行完成后,提交任务的客户端才会退出!
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
运行结果为