mapreduce实例代码详解（一行一行的注释）

mapreduce的相关概念，以及运行原理网上都有很多，建议先大致掌握一下mapreduce的基础工作方式再来看代码。

初开始学mapreduce看那一堆代码的时候很是郁闷，现在把我对每一行代码的理解写下来，希望对你们有一点帮助。

那么第一个实例，就按惯例来写词汇统计好了。

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class word{
	public static class MyMapper extends Mapper<LongWritable,Text,Text,IntWritable>{
		protected void map(LongWritable key,Text value,Context context) throws IOException,InterruptedException{
			String l = value.toString();
			context.write(new Text(l),new IntWritable(1));
			
		}
	}
	
	public static class MyReduce extends Reducer<Text,IntWritable,Text,IntWritable>{
		protected void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException,InterruptedException{
			int sum=0;
			for(IntWritable i : values){
				sum+=i.get();
			}
			context.write(key,new IntWritable(sum));
		}
	}
	
	public static void main(String[] args) throws InterruptedException,IOException,ClassNotFoundException{
		Configuration conf=new Configuration();
		Job job=Job.getInstance(conf,"top");
		job.setJobName("top");
		job.setJarByClass(word.class);
		job.setMapperClass(MyMapper.class);
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(IntWritable.class);
		job.setReducerClass(MyReduce.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		FileInputFormat.addInputPath(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job,new Path(args[1]));
		job.waitForCompletion(true);
	}


}

这是完整代码，作用是对文件中的词汇进行统计，统计不同的词汇分别有多少个。比如说文件内容是I love hadoop I love mapreduce。就会输出I 2， love 2这样的统计。下面是代码解析。

初开始先导入jar包
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
上面这三个包基本上每个mapreduce程序都要导入，像IOException包就是用来处理输入输出流中的异常问题

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
这三个包就是你在下面的代码中用到的数据类型
一般有Text,LongWritable,IntWritable,NullWritable等
Text：文本信息，字符串类型String
LongWritable：偏移量Long，表示该行在文件中的位置（不能笼统的当作行号使用）
IntWritable：int类型，用于整数等数字
NullWritable:NullWritable是Writable的一个特殊类，实现方法是空方法，只充当占位符，在一些地方会用到，但是本实例中没有使用

import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
以上五个jar包是写mapreduce程序必带的，每次写程序之前都要导入。

public class word{
	public static class MyMapper extends Mapper<LongWritable,Text,Text,IntWritable>{
	    定义map类，这里是固定格式public static class 类名 extends Mapper<>{
	    Mapper后面的括号中跟的是数据类型，也就是我们在导入jar包阶段提到的。前两个数据类型是读取数据时的格式，
	通常情况下是<每行行首的偏移量，每一行的内容>，也就是<LongWritable,Text>
	    后两个数据类型输出的格式，也就是map阶段得到的键值对<key,value>的对应的数据类型。
	这里我打算在文件中，每一行只输入一个单词，这样map阶段输出的键值对就类似<love,1>
	    至于为什么会输出这样的结果，往下看代码
		
		protected void map(LongWritable key,Text value,Context context) throws IOException,InterruptedException{
		这里基本也是固定格式
		//protected void map(数据类型 key,数据类型 value,Context context) throws IOException,InterruptedException{
		key和value前面的数据类型，就是上一句代码Mapper后面<>里面的前两个数据类型
		上面这两句话就相当于一个大体的map类框架，现在要想实现mapreduce程序目标就要开始往里面填充内容了
			
			String line = value.toString();
			定义line为value的String对象值
			value其实之前我说的，文件里每一行有一个单词，此时value里面装的就是读取到的单词，将其转换为String类型，然后放到line里面
			
			context.write(new Text(line),new IntWritable(1));
			格式为context.write(a,b);
			输出以a为key,b为value的数据，这是Mapper输出的结果
			这句话就解释了为什么Mapper阶段输出的结果是<love,1>形式，line装的是love的String类型，
		因为我们一开始设置的输出类型（Mapper的后两个）是Text，IntWritable，
			所以这里要把line套上一个New Text()转换为Text数据类型，那个数字1同理，套上一个New IntWritable（）
			
		}
	}
	
	public static class MyReduce extends Reducer<Text,IntWritable,Text,IntWritable>{
	现在是在定义一个Reduce类，Reducer后面跟的数据类型，前两个就是Mapper输出的数据类型，与其保持一致。
	后两个是Reduce端要输出的数据类型。
		
		protected void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException,InterruptedException{
		key前面的数据格式就是从Mapper端接收到的数据格式
		Iterable是遍历，排序的意思，要注意这里是values而不是value，
		至于为什么要加个s，mapreduce的工作原理一类的文章中应该会提到
		
			int sum=0;
			对词汇进行统计，sum就是针对一个单词的次数设置的变量，这个单词出现多少次，sum的值就有多少
			reduce是按key来从map任务那里领取数据的，我们之前是把一个单词作为一个key，
			一把钥匙开一把锁，所以一个reduce端里面只会有一个单词，不用担心sum把其他单词的次数也算进去
			
			for(IntWritable i : values){
				sum+=i.get();
			}
			for循环，举个例子
			for(String s:args)是String定义一个变量s，然后从数组args[]中，每循环一次取出一个值赋给s。
			这里是每次循环，从values中取出一个值放入i，然后sum每次加上i里面的值。
			
			context.write(key,new IntWritable(sum));
			与Mapper端同理，输出结果，这里的结果就是最终结果，也就是mapreduce程序处理后结果形式。
		}
	}
	
	public static void main(String[] args) throws InterruptedException,IOException,ClassNotFoundException{   //main方法
		
		Configuration conf=new Configuration();
		Job job=Job.getInstance(conf,"top");
		job.setJobName("top");
		job.setJarByClass(word.class);
        //上面四句话是设置类信息，方便hadoop从jar文件中找到

		job.setMapperClass(MyMapper.class);
        job.setReducerClass(MyReduce.class);
        //设置执行Map与Reduce的类，也就是你之前设置的类名
        
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(IntWritable.class);
		//设置Map端输出的数据类型，这两句话也可以不写
		
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		//设置输出数据类型，这两句话必须写
		
		FileInputFormat.addInputPath(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job,new Path(args[1]));
		//添加输入输出路径
		
		job.waitForCompletion(true);
		像主方法里面的这么多句话，基本每次写mapreduce程序都要用到，
		可以复制粘贴然后改一改数据类型和类名什么的就能用。
		但是要注意的是，我这里给出的语句是在linux环境下运行eclipse的代码，在windows底下用这样的代码是不行的。
	}
}

结果类似于