大数据入门--简单wordcount源码分析

java入门hello world
大数据入门–wordcount
因为工作的关系，频繁的重复被wordcount配置的恐惧，尤其是在scala横飞的今天，长久的不再使用有的时候真的记不住啊，从网上找各种相应的代码，五味杂陈，所以在这里将简单的wordcount的代码整理出来供大家使用，也供自己参考
首先就是我们的Mapper层

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;


public class WcMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
   
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
   
     /** map阶段的业务逻辑就写在自定义的map()方法中
                * maptask会对每一行输入数据调用一次我们自定义的map（）方法
                */

            // 1 将maptask传给我们的文本内容先转换成String
            String line = value.toString();

            // 2 根据空格将这一行切分成单词
            String[] words = line.split(" ");

            // 3 将单词输出为<单词，1>
            for(String word:words){
   
                // 将单词作为key，将次数1作为value,以便于后续的数据分发，可以根据单词分发，以便于相同单词会到相同的reducetask中
                context.write(new Text(word), new IntWritable(1));
            }
        }

    }

接下来是reduce层

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class WcReduce  extends Reducer<Text, IntWritable, Text, IntWritable> {
   

    /**
     * key，是一组相同单词kv对的key
     */
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
   

        int count = 0;