MapReduce入门WordCount

原始数据:
zhangsan,lisi,wangwu
zhaoliu,maqi
zhangsan,zhaoliu,wangwu
lisi,wangwu

期望的结果:
zhangsan 2
lisi 2
wangwu 3
zhaoliu 2
maqi 1

偏移量:
每个字符移动到当前文档的最前边需要移动的字符个数

hadoop数据类型:(一一对应)
java:int,double,float,boolean,string
hadoop : IntWritable LongWritable DoubleWritable FloatWritable BooleanWritable Text

WordCount-Map实现:
1、实例一个class 继承Mapper<输入的key的数据类型，输入的value的数据类型，输出的key的数据类型，输出的
value的数据类型，>
2、重写map方法 map(LongWritable key, Text value, Context context)
key: 行首字母的偏移量
value: 一行数据
context：上下文对象
3、根据业务需求进行切分，然后逐一输出

WordCount-Reduce实现
1、实例一个class 继承Reducer<输入的key的数据类型，输入的value的数据类型，输出的key的数据类型，输出的
value的数据类型，>
2、重写reduce方法 reduce(Text key, Iterable values, Context context)
key: 去重后单词
values： 标记的1（好多个1，key出现几次就有几个1）
context：上下文对象
3、遍历values 进行汇总计算
WordCount-Driver实现
1、实例一个class 继承Configured 实现Tool
2、重写run方法
3、在run方法中将自己编写的map和reduce添加到集群
//1、实例一个Job
Job job=Job.getInstance(new Configuration(),“WordCount12”);
//2、 设置读取数据的class
job.setInputFormatClass(TextInputFormat.class);4、在main方法中调用执行