大数据框架基础MapReduce编程实例：单词计数

本节介绍如何编写基本的 MapReduce 程序实现数据分析。本节代码是基于 Hadoop 2.7.3 开发的。

任务准备

单词计数（WordCount）的任务是对一组输入文档中的单词进行分别计数。假设文件的量比较大，每个文档又包含大量的单词，则无法使用传统的线性程序进行处理，而这类问题正是 MapReduce 可以发挥优势的地方。

在前面《MapReduce实例分析：单词计数》教程中已经介绍了用 MapReduce 实现单词计数的基本思路和具体执行过程。下面将介绍如何编写具体实现代码及如何运行程序。

首先，在本地创建 3 个文件：file00l、file002 和 file003，文件具体内容如表 1 所示。

表 1 单词计数输入文件

文件名	file001	file002	file003
文件内容	Hello world Connected world	One world One dream	Hello Hadoop Hello Map Hello Reduce

再使用 HDFS 命令创建一个 input 文件目录。

hadoop fs -mkdir input

然后，把 file001、file002 和 file003 上传到 HDFS 中的 input 目录下。

hadoop fs -put file001 input
hadoop fs -put file002 input
hadoop fs -put file003 input

编写 MapReduce 程序的第一个任务就是编写 Map 程序。在单词计数任务中，Map 需要完成的任务就是把输入的文本数据按单词进行拆分，然后以特定的键值对的形式进行输出。

编写 Map 程序

Hadoop MapReduce 框架已经在类 Mapper 中实现了 Map 任务的基本功能。为了实现 Map 任务，开发者只需要继承类 Mapper，并实现该类的 Map 函数。

为实现单词计数的 Map 任务，首先为类 Mapper 设定好输入类型和输出类型。这里，Map 函数的输入是 <key,value> 形式，其中，key 是输入文件中一行的行号，value 是该行号对应的一行内容。

所以，Map 函数的输入类型为 <LongWritable,Text>。Map 函数的功能为完成文本分割工作，Map 函数的输出也是 <key，value> 形式，其中，key 是单词，value 为该单词出现的次数。所以，Map 函数的输出类型为 <Text，LongWritable>。

以下是单词计数程序的 Map 任务的实现代码。

1. public static class CoreMapper extends Mapper<Object,Text,Text,IntWritable> {
2. private static final IntWritable one = new IntWritable(1);
3. private static Text label = new Text();
4. public void map(Object key,Text value,Mapper<Object,Text,Text,IntWritab