MapReduce中词频统计实现（小文件合并切片）

最新推荐文章于 2024-09-20 17:03:43 发布

swx7410852963

最新推荐文章于 2024-09-20 17:03:43 发布

阅读量326

点赞数

分类专栏：脑图外链 # Hadoop 文章标签： mapreduce hadoop java

本文链接：https://blog.csdn.net/swx7410852963/article/details/122214509

版权

脑图外链同时被 2 个专栏收录

25 篇文章 0 订阅

订阅专栏

Hadoop

17 篇文章 0 订阅

订阅专栏

小文件合并操作

使用Hadoop自带CombineTextInputFormat类。在Driver类中设置上，并设置合并大小即可。

输入数据

输入目录中准备四个小文件

1.txt

test1

2.txt

test2 test2

3.txt

test3 test3 test3

4.txt

test4 test4 test4 test4 test4

自定义Driver类(WordCountDriver)

将 MapReduce中词频统计简单实现中WordCountDriver改为如下代码，其他代码不变

package com.test.mapreduce.combinetTextDemo;

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

import java.io.IOException;

public class WordCountDriver {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // 1.创建配置信息Configuration对象并获取Job单例对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2.设置关联本Driver程序的jar
        job.setJarByClass(WordCountDriver.class);

        // 3.设置关联Mapper和Reducer的jar
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);

        // 4.设置Mapper输出的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        // 5. 设置最终输出的kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 6.设置InputFormat切片类
        job.setInputFormatClass(CombineTextInputFormat.class);
        // 7.设置虚拟存储切片最大值(20M)
        CombineTextInputFormat.setMaxInputSplitSize(job, 20971520);

        // 8.设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path("D:\\inputsmall"));
        FileOutputFormat.setOutputPath(job, new Path("D:\\output"));

        // 8.提交job
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}