WordCount源码解析

 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。