linux多线程实现单词统计,统计单词数 - MapReduce经典案例分享_Linux编程_Linux公社-Linux系统门户网站...

资源文件file.txt

hello word

this is my first hadoop program

分析:一个文档中每行的单词通过空格分割后获取,经过map阶段可以将所有的单词整理成如下形式:

key:hello value:1

key:hadoop value:1

key:hello value:1

key:word value:1

key:this value:1

key:is value:1

key:my value:1

key:first value:1

key:hadoop value:1

key:program value:1

经过hadoop整理后以如下形式输入到Reduce中:

key:hello value:{1,1}

key:hadoop value: {1,1}

key:word value:{1}

key:this value: {1}

key:is value:{1}

key:myvalue: {1}

key:first value:{1}

key:program value:{1}

所以Reduce接受的时候是以Iterable values最为值。在Reduce中我们就可以将value中的值迭代相加就可以得出该单词出现的次数。

实现:

package com.bwzy.hadoop;

import java.io.File;

import java.io.IOException;

import java.util.Iterator;

import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configured;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.*;

import org.apache.hadoop.mapreduce.*;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

import org.apache.hadoop.util.Tool;

import org.apache.hadoop.util.ToolRunner;

public class WordCount extends Configured implements Tool {

public static class Map

extends

org.apache.hadoop.mapreduce.Mapper {

private final static IntWritable one = new IntWritable(1);

private Text word = new Text();

public void map(LongWritable key,Text value,Context context){

String line = value.toString();

StringTokenizer tokenizer = new StringTokenizer(line);//读取每一行数据,并将该行数据以空格分割(StringTokenizer默认是以空格分割字符串)

while (tokenizer.hasMoreTokens()) {

word.set(tokenizer.nextToken());

try {

context.write(word, one);//输出给Reduce

} catch (IOException e) {

e.printStackTrace();

} catch (InterruptedException e) {

e.printStackTrace();

}

}

}

}

public static class Reduce extends Reducer {

public void reduce(Text key, Iterable values,

Context context) throws IOException, InterruptedException{

int sum = 0;

//合并每个单词出现的次数

for (IntWritable val : values) {

sum+=val.get();

}

context.write(key, new IntWritable(sum));

}

}

public static void main(String[] args) throws Exception {

int ret = ToolRunner.run(new WordCount(), args);

System.exit(ret);

}

@Override

public int run(String[] arg0) throws Exception {

Job job = new Job(getConf());

job.setJobName("wordcount");

job.setOutputKeyClass(Text.class);//key--设置输出格式

job.setOutputValueClass(IntWritable.class);//value--设置输出格式

job.setMapperClass(Map.class);

job.setReducerClass(Reduce.class);

job.setInputFormatClass(TextInputFormat.class);

job.setOutputFormatClass(TextOutputFormat.class);

FileInputFormat.setInputPaths(job, new Path(arg0[0]));

FileOutputFormat.setOutputPath(job, new Path(arg0[1]));

boolean success = job.waitForCompletion(true);

return success?0:1;

}

}

运行:

1:将程序打包

选中打包的类-->右击-->Export-->java-->JAR file--填入保存路径-->完成

2:将jar包拷贝到hadoop的目录下。(因为程序中用到来hadoop的jar包)

3:将资源文件(存储这单词的文件,假设在/home/user/Document/file1.txt)上传到定义的hdfs目录下

创建hdfs目录命令(在hadoop已经成功启动的前提下):hadoop fs -mkdir /自定义/自定义/input

上传本地资源文件到hdfs上:hadop fs -put -copyFromLocal /home/user/Document/file1.txt /自定义/自定义/input

4:运行MapReduce程序:

hadoop jar /home/user/hadoop-1.0.4/WordCount.jar com.bwzy.hadoop.WordCount /自定义/自定义/input /自定义/自定义/output

说明:hadoop运行后会自动创建/自定义/自定义/output目录,在该目录下会有两个文件,其中一个文件中存放来MapReduce运行的结果。如果重新运行该程序,需要将/自定义/自定义/output目录删除,否则系统认为该结果已经存在了。

5:运行的结果为

hello 2

hadoop 2

word 1

this 1

is 1

my 1

first 1

program 10b1331709591d260c1c78e86d0c51c18.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值