WordCount从结构上可以分为3个部分,分别是Driver、Mapper、Reducer。
首先,我们来分析Mapper。在我们自定义类继承Mapper的时候要格外注意键值对的输入、输出格式,键值对的输入、输出格式要和类读取生成的输入、输出格式匹配。Mapper任务启动后首先执行setup函数,该作用是初始化。map函数针对每条输入键值对执行函数中定义的逻辑处理,并按规定的键值对格式输出。在所有键值对处理完成后,再调用cleanup函数,其作用是关闭资源。
public class WordCount {
//自定义TokenizerMapper它需要继承Mapper,同时需要设置输入、输出键值对格式
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
接着我们开始分析Reducer,在Reducer中我们同样要注意的是键值对的输入和输出格式,这里的输入格式要和Mapper的输出格式保持一致,输出格式也要和Driver中设置的输出键值对格式保持一致。Reducer中也有3个函数,其中setup、cleanup和Mapper中功能一样、顺序一样,而reduce函数的实现就是和实际业务相关的处理逻辑。在这里进行词频统计的最后一步计算,针对相同键,把其列表值全部累加起来,最后输出结果键值对。
//自定义IntSumReducer,需要继承Reducer,和Mapper一样
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context
) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
最后一部分Driver分析,这里的Driver程序主要指的是main函数。在其中进行MapReduce程序的一些初始化设置,并提交任务,等待程序运行完成。其中,Mapper、Reducer是必须设置的类,而Combiner是非必须的。在MapReduce任务中涉及4个键值对格式:Mapper输入键值对格式<K1,V1>,Mapper输出键值对格式<K2,V2>,Reducer输入键值对格式<K2,V2>,Reducer输出键值对格式<K3,V3>。当Mapper输出键值对格式<K2,V2>和Reducer输出键值对格式<K3,V3>一样的时候,可以只设置Reducer输出键值对的格式。
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();//初始化相关hadoop配置
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length < 2) {
System.err.println("Usage: wordcount <in> [<in>...] <out>");
System.exit(2);
}
Job job = new Job(conf, "word count");//新建job并设置主类
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
//设置输出键值格式
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//设置输入与输出路径
for (int i = 0; i < otherArgs.length - 1; ++i) {
FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
}
FileOutputFormat.setOutputPath(job,
new Path(otherArgs[otherArgs.length - 1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);//
}
}
综上所述,便是WordCount源码解析了。