WordCountMapper

package cn.itcast.mapreduce;


import java.io.IOException;


import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
/**
 * 
 * @author AllenWoon
 *
 * Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
 * KEYIN：是指框架读取到的数据的key类型
 * 在默认的读取数据组件InputFormat下，读取的key是一行文本的偏移量，所以key的类型是long类型的
 * 
 * VALUEIN指框架读取到的数据的value类型
 * 在默认的读取数据组件InputFormat下，读到的value就是一行文本的内容，所以value的类型是String类型的
 * 
 * keyout是指用户自定义逻辑方法返回的数据中key的类型 这个是由用户业务逻辑决定的。
 * 在我们的单词统计当中，我们输出的是单词作为key，所以类型是String
 * 
 * VALUEOUT是指用户自定义逻辑方法返回的数据中value的类型 这个是由用户业务逻辑决定的。
 * 在我们的单词统计当中，我们输出的是单词数量作为value，所以类型是Integer
 * 
 * 但是，String ,Long都是jdk中自带的数据类型，在序列化的时候，效率比较低。hadoop为了提高序列化的效率，他就自己自定义了一套数据结构。
 * 
 * 所以说在我们的hadoop程序中，如果该数据需要进行序列化（写磁盘，或者网络传输），就一定要用实现了hadoop序列化框架的数据类型
 * 
 * 
 * Long------->LongWritable
 * String----->Text
 * Integer---->IntWritable
 * null------->nullWritable
 * 
 */




public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{

/**
* 这个map方法就是mapreduce程序中被主体程序MapTask所调用的用户业务逻辑方法
* 
* Maptask会驱动我们的读取数据组件InputFormat去读取数据（KEYIN，VALUEIN）,每读取一个（k,v），他就会传入到这个用户写的map方法中去调用一次
* 
* 在默认的inputFormat实现中，此处的key就是一行的起始偏移量，value就是一行的内容
*/
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
  
//获取每一行的文本内容
String lines = value.toString();
String[] words = lines.split(" ");

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

}


}