hadoop用java API实现mapreduce示例

自定义数据类型bean

package org.hadoop.total;
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/*
 * FlowBean要在节点传输,要符合hadoop的序列号机制,实现Writable接口
 * */
public class FlowBean implements Writable {
    //    上行流量
    private long down_flow;
    //    下行流量
    private long up_flow;
    //  总
    private long total;
    //    电话号码
    private String phone;

    public FlowBean() {
        //为了反射,没有构造函数的时候不用写,如果有别的构造函数这里必须写
    }


    public FlowBean(String phone, long up_flow, long down_flow) {
        this.phone = phone;
        this.up_flow = up_flow;
        this.down_flow = down_flow;
        this.total = up_flow + down_flow;
    }


    public long getDown_flow() {
        return down_flow;
    }

    public long getUp_flow() {
        return up_flow;
    }

    public long getTotal() {
        return total;
    }

    //数据写入输出流
    pub
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hadoop是一个分布式处理框架,它提供Java API来编写分布式程序。下面是使用Java API编程的步骤: 1. 引入Hadoop依赖 在Java项目中,需要引入Hadoop的依赖。可以使用Maven或手动导入jar包。 2. 配置Hadoop环境 在Java代码中,需要配置Hadoop的环境变量,包括Hadoop的安装路径、Hadoop的配置文件路径等。 3. 编写MapReduce程序 MapReduceHadoop的核心编程模型,它包括Map和Reduce两个阶段。在Java代码中,需要编写Map和Reduce函数,并将它们组合在一起,形成MapReduce程序。 4. 配置MapReduce作业 在Java代码中,需要设置MapReduce作业的输入路径、输出路径、Mapper类、Reducer类等参数。 5. 提交MapReduce作业 在Java代码中,需要调用Hadoop API提交MapReduce作业,并等待作业执行完成。 以下是一个简单的WordCount程序的示例代码: ``` import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class WordCount { public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable>{ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(LongWritable 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); } } } 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); } } public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); Job job = Job.getInstance(conf, "word count"); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); } } ``` 以上代码实现了一个简单的WordCount程序,它统计输入文件中每个单词出现的次数,并输出到输出文件中。在main函数中,首先创建一个Configuration对象,并通过它创建一个Job对象。然后,设置MapReduce作业的各种参数,包括Mapper类、Reducer类、输入路径、输出路径等。最后,调用job.waitForCompletion方法提交作业并等待执行结果。

“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