WordCount的编写和jar包集群上运行

WordCount的编写

WordCount是MapReuduce的一个入门小程序，需要编写三个类，分别对应MR中的Map阶段、Reduce阶段以及任务提交阶段。

WcMap编写

package MRwordcount;

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;

/***
 * mapper类
 * 数据输入类型是K,V类型--》LongWritable, Text
 * 数据输出类型是K,V类型--》Text, IntWritable
 */
public class WcMap extends Mapper<LongWritable, Text,Text, IntWritable> {
    //快捷键
    //实现父类 alt+insert

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //获取一行数据，MapReduce默认按行读取
        String line = value.toString();
        //切分数据，按空格切分
        String[] fields = line.split(" ");
        //遍历获取每一个单词
        for(String s:fields){
            //输出并拼接

            //System.out.println(s);
            context.write(new Text(s),new IntWritable(0));
        }
    }
}

WcReduce编写

package MRwordcount;

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

import java.io.IOException;

/***
 * Reducer类
 * 数据输入类型K,V--》Text, IntWritable
 * 数据输出类型K,V--》Text, IntWritable
 */
public class WcReduce extends Reducer<Text, IntWritable,Text, IntWritable> {
    //直接实现父类方法 快捷键ctrl+o
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        //定义一个计数器
        int count=0;
        //累加计数
        for(IntWritable value :values){

            //IntWritable转换成int类型
            count++;
        }
        //输出
        context.write(key,new IntWritable(count));
    }
}

WcDriver编写

package MRwordcount;


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.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

public class WcDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //实例化配置文件
        Configuration conf = new Configuration();
        //定义一个job任务
        Job job = Job.getInstance(conf);
        //配置job的信息
        job.setJarByClass(WcDriver.class);
        //指定自定义的mapper、mapper的数据类型到job中
        job.setMapperClass(WcMap.class);
        job.setOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        //指定自定义的reduce以及reduce的输出数据类型，总输出类型

        job.setReducerClass(WcReduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        //配置输入数据的路径，这一部分演示的在本地运行
        FileInputFormat.setInputPaths(job,new Path("D:\\BigdataTest\\WordCount.txt"));

        //配置输出数据的路径
        FileOutputFormat.setOutputPath(job,new Path("D:\\BigdataTest\\WordRes"));

        /*//配置输入数据的路径,这一部分是打包上传到集群运行
        FileInputFormat.setInputPaths(job,new Path(args[0]));

        //配置输出数据的路径
        FileOutputFormat.setOutputPath(job,new Path(args[1]));*/

        //提交任务
        job.waitForCompletion(true);
    }
}

结果展示

输入文件：

输出结果：

jar包集群上运行

上面的过程都是在本地运行的，接下来将写好的程序打包，上传到集群运行。

打包

可以使用maven的自动打包。

打好的包可以在控制台中找到它的本地路径：

上传到集群并运行

linux系统的上传下载命令分别是rz、sz，使用rz命令上传jar包和需要输入的数据文件。
将数据文件上传到HDFS。

hdfs dfs -moveFromLocal D:\\BigdataTest\\WordCount.txt /mytest

运行jar包：

hadoop jar /opt/module/hadoop-2.8.4/myjar/hadooptest-1.0-SNAPSHOT.jar MRwordcount.WcDriver /mytest/WordCount.txt /mytest/output

需要注意的是，指定要运行的包含main函数的类的名字要写全（包含包的名字）。
查看最终结果：