原始数据
HDFS
words
hello tom hello jerry hello kitty hello world hello tom
Map阶段
1.每次读一行数据,
2.拆分每行数据,
3.每个单词碰到一次写个1
<0, “hello tom”>
<10, “hello jerry”>
<22, “hello kitty”>
<34, “hello world”>
<46, “hello tom”>
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 java.io.IOException;
- LongWritable 偏移量 long,表示该行在文件中的位置,而不是行号
- Text map阶段的输入数据 一行文本信息 字符串类型 String
- Text map阶段的数据字符串类型 String
- IntWritable map阶段输出的value类型,对应java中的int型,表示行号 */ public
class WordCountMap extends Mapper<LongWritable, Text, Text, IntWritable>{
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//读取每行文本
String line = value.toString();
//splite拆分每行
String[] words = line.split(" ");//分词
//取出每个单词
for(String word : words) {
//将单词转为Text类型
Text wordText = new Text(word);
//将1转变为IntWritable
IntWritable outValue = new IntWritable(1);
//写出单词,跟对应1
context.write(wordText, outValue);
}
} }
reduce阶段
1.把单词对应的那些1
2遍历,
3求和
<hello, {1,1,1,1,1}>
<jerry, {1}>
<kitty, {1}>
<tom, {1,1}>
<world, {1}>
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/***
* Text 输入的字符串类型,序列化
* IntWritable 输入一串1,序列化
* Text 输出的字符串类型,序列化
* IntWritable 输出的求和数组,序列化
* ***/
public class WordCountReduce extends Reducer<Text,IntWritable,Text,IntWritable>{
/***
* key 输入单词名字
* values 输入一串1
* context 输出的工具
* ***/
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
int sum=0;
//遍历一群1
for(IntWritable i:values){
sum+=i.get();
}
context.write(key,new IntWritable(sum));
}
}
使用对象
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.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;;
import org.apache.hadoop.mapreduce.Job;
public class WordCount {
public static void main(String[] args) throws Exception {
//定义配置对象
Configuration conf=new Configuration();
//定义一个工作任务对象
Job job=Job.getInstance(conf);
//获取map阶段的一个对象
job.setMapperClass(WordCountMap.class);
//指定map阶段的一个输出key
job.setMapOutputKeyClass(Text.class);
//指定map阶段输出的values类型
job.setMapOutputValueClass(IntWritable.class);
//map阶段的输入文件
FileInputFormat.setInputPaths(job,new Path("C:\\Users\\1234\\Desktop\\123.txt"));
//指定Reduce的类
job.setReducerClass(WordCountReduce.class);
//指定reduce阶段的一个输出key
job.setOutputKeyClass(Text.class);
//指定reduce阶段输出的values类型
job.setOutputValueClass(IntWritable.class);
//指定reduce阶段的输出文件
FileOutputFormat.setOutputPath(job,new Path("C:\\Users\\1234\\Desktop\\456"));
//submit
job.waitForCompletion(true);
}
}
处理后数据
hello 5
jerry 1kitty 1
tom 2
world 1