Hadoop案例wordCount执行流程

mapreudce操作

统计文件中单词出现次数

将mapreduce程序打jar包，放到hadoop机器上
执行hadoop jar xsf.jar mapreduce.Dirverx /123 /usr/local/server/hadoop-2.10.0/out

mapreduce.Dirverx为driver类全限定类名
/123： 为输入文件路径默认从hdfs上读取
/usr/local/server/hadoop-2.10.0/out：为结果输出路径

查看输出结果

mapreduce流程

mapreduce程序包含map方法、reduce方法、driver方法

（1）Map方法对文件切片的每行数据进行处理，入参为（行首的偏移量，每行内容）组成的key,value键值对。对每行内容进行处理，分割出单词，通过上下文context输出（单词，出现次数1）键值对

public class Mapperx extends Mapper<LongWritable, Text,Text, IntWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // AAA BBB CCCC
        String line = value.toString();
        // 切分数据
        String[] words = line.split(" ");

        for (String word : words){
        // AAA 1   BBB 1 CCCC 1
            context.write(new Text(word),new IntWritable(1));
        }
    }
}

（2）对map阶段输出的键值对进行处理，相同的key为一组。Reduce方法入参(key,相同key的value集合)。进行求和后输出。

public class Reducex extends Reducer<Text, IntWritable,Text,IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable value : values){
            sum += value.get();
        }
        // AAA 2
        context.write(key,new IntWritable(sum));
    }
}

（3）driver对mapreduce任务进行定义配置并提供执行入口

public class Dirverx  {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Job job = Job.getInstance(new Configuration());

        job.setJarByClass(Dirverx.class);

        job.setMapperClass(Mapperx.class);
        job.setReducerClass(Reducex.class);

        //map输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

		// 输出结果
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 文件输入输出路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));
		// 提交
        boolean b = job.waitForCompletion(true);
        System.exit(b ?0:1);

    }
}

（1） 大文件被分为多个切片，每个切片由一个MapTask进程处理。默认每次读取切片的一行，调用map方法。
（2） Map方法输出的结果键值对再写入环形缓存区前，调用part方法获取该key对应的分区号。默认key的hash值 % 设置的reduceTask数量。
（3） 缓冲区快写满，对存储数据进行快速排序后，写入本地磁盘。

（4） 程序从多台机器上将多个文件切片处理后的结果，下载后进行汇总归并为一个文件

（5） 对文件中相邻两个key进行比较，最终将key相同的value集合调用reduce方法处理，最终输出到hdfs。