一个mapreduce实例加注释

1.WCMapper.java

package cn.itcast.hadoop.mr.wordcount;

import java.io.IOException;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
 
 //mapreduce框架每读一行数据就调用一次该方法
 @Override
 protected void map(LongWritable key, Text value,Context context)
   throws IOException, InterruptedException {
  //具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
  //key 是这一行数据的起始偏移量     value 是这一行的文本内容
  
  //将这一行的内容转换成string类型
  String line = value.toString();
  
  //对这一行的文本按特定分隔符切分
  String[] words = StringUtils.split(line, " ");
  
  //遍历这个单词数组输出为kv形式  k：单词   v ： 1
  for(String word : words){
   
   context.write(new Text(word), new LongWritable(1));
   
  }

  

 }

 
 
}

 

 

 

2.WCReducer.java

package cn.itcast.hadoop.mr.wordcount;

import java.io.IOException;

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

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
 
 
 
 //框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
 //<hello,{1,1,1,1,1,1.....}>
 @Override
 protected void reduce(Text key, Iterable<LongWritable> values,Context context)
   throws IOException, InterruptedException {

  long count = 0;
  //遍历value的list，进行累加求和
  for(LongWritable value:values){
   
   count += value.get();
  }
  
  //输出这一个单词的统计结果
  
  context.write(key, new LongWritable(count));
  
 }
 
 

}

 

3.WCRunner.java

 

package cn.itcast.hadoop.mr.wordcount;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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.output.FileOutputFormat;

/**
 * 用来描述一个特定的作业
 * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * ....
 *  *
 */
public class WCRunner {

 public static void main(String[] args) throws Exception {
  
  Configuration conf = new Configuration();
  
  Job wcjob = Job.getInstance(conf);
  
  //设置整个job所用的那些类在哪个jar包
  wcjob.setJarByClass(WCRunner.class);
  
  
  //本job使用的mapper和reducer的类
  wcjob.setMapperClass(WCMapper.class);
  wcjob.setReducerClass(WCReducer.class);
  
  
  //指定reduce的输出数据kv类型
  wcjob.setOutputKeyClass(Text.class);
  wcjob.setOutputValueClass(LongWritable.class);
  
  //指定mapper的输出数据kv类型
  wcjob.setMapOutputKeyClass(Text.class);
  wcjob.setMapOutputValueClass(LongWritable.class);
  
  
  //指定要处理的输入数据存放路径
  FileInputFormat.setInputPaths(wcjob, new Path("hdfs://weekend110:9000/wc/srcdata/"));
  
  //指定处理结果的输出数据存放路径
  FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://weekend110:9000/wc/output3/"));
  
  //将job提交给集群运行 
  wcjob.waitForCompletion(true);
  
  
 }
 
 
 
 
}