Hadoop示例程序WordCount运行及详解

 最近在学习云计算，研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。

 

运行方法：

假设：

• /home/cq/wordcount/input - 是 HDFS 中的输入路径
• /home/cq/wordcount/output - 是 HDFS 中的输出路径

用示例文本文件做为输入：

$ bin/hadoop fs -ls /home/cq/wordcount/input/
/ home/cq /wordcount/input/file01
/ home/cq /wordcount/input/file02

$ bin/hadoop fs -cat / home/cq / wordcount/input/file01
Hello World Bye World

$ bin/hadoop dfs -cat /home/cq/wordcount/input/file02
Hello Hadoop Goodbye Hadoop

 

运行应用程序：

$ bin/hadoop jar /*/WordCount  /home/cq/wordcount/input /home/cq/wordcount/output

输出是：

$ bin/hadoop dfs -cat /home/cq/wordcount/output/part-00000
Bye 1
Goodbye 1
Hadoop 2
Hello 2
World 2

 

 

 

详解：

    其实WordCount并不难，只是一下子接触到了很多的API，有一些陌生，还有就是很传统的开发相比，map-reduce确实是一种新的编程理 念，为了让各位新手少走弯路，我将WordCount中的很多API都做了注释，其实这些方法搞明白了以后程序就很简单了，无非就是将一句话分词，先用 map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。好了，不废话，直接上代码：

 

 

Java代码

1. package  com.felix;  
2.   
3. import  java.io.IOException;  
4. import  java.util.Iterator;  
5. import  java.util.StringTokenizer;  
6.   
7. import  org.apache.hadoop.fs.Path;  
8. import  org.apache.hadoop.io.IntWritable;  
9. import  org.apache.hadoop.io.LongWritable;  
10. import  org.apache.hadoop.io.Text;  
11. import  org.apache.hadoop.mapred.FileInputFormat;  
12. import  org.apache.hadoop.mapred.FileOutputFormat;  
13. import  org.apache.hadoop.mapred.JobClient;  
14. import  org.apache.hadoop.mapred.JobConf;  
15. import  org.apache.hadoop.mapred.MapReduceBase;  
16. import  org.apache.hadoop.mapred.Mapper;  
17. import  org.apache.hadoop.mapred.OutputCollector;  
18. import  org.apache.hadoop.mapred.Reducer;  
19. import  org.apache.hadoop.mapred.Reporter;  
20. import  org.apache.hadoop.mapred.TextInputFormat;  
21. import  org.apache.hadoop.mapred.TextOutputFormat;  
22. /**  
23.  *   
24.  * 描述：WordCount explains by Felix  
25.  * @author Hadoop Dev Group  
26.  */   
27. public   class  WordCount  
28. {  
29.   
30.     /**  
31.      * MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）  
32.      * Mapper接口：  
33.      * WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。  
34.      * Reporter 则可用于报告整个应用的运行进度，本例中未使用。   
35.      *   
36.      */   
37.     public   static   class  Map  extends  MapReduceBase  implements   
38.             Mapper<LongWritable, Text, Text, IntWritable>  
39.     {  
40.         /**  
41.          * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，  
42.          * 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。  
43.          */   
44.         private   final   static  IntWritable one =  new  IntWritable( 1 );  
45.         private  Text word =  new  Text();  
46.           
47.         /**  
48.          * Mapper接口中的map方法：  
49.          * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)  
50.          * 映射一个单个的输入k/v对到一个中间的k/v对  
51.          * 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。  
52.          * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。  
53.          * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output  
54.          */   
55.         public   void  map(LongWritable key, Text value,  
56.                 OutputCollector<Text, IntWritable> output, Reporter reporter)  
57.                 throws  IOException  
58.         {  
59.             String line = value.toString();  
60.             StringTokenizer tokenizer = new  StringTokenizer(line);  
61.             while  (tokenizer.hasMoreTokens())  
62.             {  
63.                 word.set(tokenizer.nextToken());  
64.                 output.collect(word, one);  
65.             }  
66.         }  
67.     }  
68.   
69.     public   static   class  Reduce  extends  MapReduceBase  implements   
70.             Reducer<Text, IntWritable, Text, IntWritable>  
71.     {  
72.         public   void  reduce(Text key, Iterator<IntWritable> values,  
73.                 OutputCollector<Text, IntWritable> output, Reporter reporter)  
74.                 throws  IOException  
75.         {  
76.             int  sum =  0 ;  
77.             while  (values.hasNext())  
78.             {  
79.                 sum += values.next().get();  
80.             }  
81.             output.collect(key, new  IntWritable(sum));  
82.         }  
83.     }  
84.   
85.     public   static   void  main(String[] args)  throws  Exception  
86.     {  
87.         /**  
88.          * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作  
89.          * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等  
90.          */   
91.         JobConf conf = new  JobConf(WordCount. class );  
92.         conf.setJobName("wordcount" );            //设置一个用户定义的job名称   
93.   
94.         conf.setOutputKeyClass(Text.class );     //为job的输出数据设置Key类   
95.         conf.setOutputValueClass(IntWritable.class );    //为job输出设置value类   
96.   
97.         conf.setMapperClass(Map.class );          //为job设置Mapper类   
98.         conf.setCombinerClass(Reduce.class );       //为job设置Combiner类   
99.         conf.setReducerClass(Reduce.class );         //为job设置Reduce类   
100.   
101.         conf.setInputFormat(TextInputFormat.class );     //为map-reduce任务设置InputFormat实现类   
102.         conf.setOutputFormat(TextOutputFormat.class );   //为map-reduce任务设置OutputFormat实现类   
103.   
104.         /**  
105.          * InputFormat描述map-reduce中对job的输入定义  
106.          * setInputPaths():为map-reduce job设置路径数组作为输入列表  
107.          * setInputPath()：为map-reduce job设置路径数组作为输出列表  
108.          */   
109.         FileInputFormat.setInputPaths(conf, new  Path(args[ 0 ]));  
110.         FileOutputFormat.setOutputPath(conf, new  Path(args[ 1 ]));  
111.   
112.         JobClient.runJob(conf);         //运行一个job   
113.     }  
114. }

转自http://www.iteye.com/topic/606962