用 MapReduce 总结 “ 它 ” 出现的次数

Eclipse 整合 Hadoop

1. 首先下载eclipse

2. 然后下载Hadoop包

3. 将两者相联系

流程梳理

： 在MapReduce中，首先 存储的海量数据 会将数据 传输给不同的 map，map 会逐行读取文件，并单独完成 自己的 任务。map 完成后的数据 会传到 Barrier:Aggregatuon Shuffle,在 Shuffle这里会重新洗牌一下，也就是重新整理map刚刚整理的数据，将其中一样的数据或者相同的次数整理出来，

代码书写

： 我们会先创建一个 map 类型的包，然后创建三个类 ： Mapper，Reducer，Driver。

1.Mapper 书写

：Mapper 的作用 ：从一个输入分片中读取数据，至于它是如何具体的读取数据的，你可以简单的理解为他本身就带着这种方法。

1.1 Mapper 代码思路整理

： 首先是你创建的类继承（extends）Mapper以及它的四个属性，在 Mapper 中我们写 map 方法，map中的属性简单的记忆，就是map的（两个属性+mapper的四个属性）.Context context。然后就是转化成 String 类型，再继续写逻辑代码就行了。

package com.biem.wc;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

    //mapper四个泛型：Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
	//分别代表的是:
	//KEYIN -- map读取到每一行的一个偏移量
	//VALUEIN -- 每一行的数据
	//KEYOUT -- 输出的键类型
	//VALUEOUT -- 键的值得类型
	
	//在 mapper 中重写 map 的方法两个属性：
	//LongWritable key   Map函数的输入键
	//Text value         Map函数的输入值

public class WordCountMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
	 
	 @Override
	//接写来mapper中我们要重写一个map方法:里面有一个context参数,是将map后的结果写进去
	//context.write
	
	//mapper 中的 map() 则一般承担主要的处理工作
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, LongWritable>.Context context)
			throws IOException, InterruptedException {
		//转成string类型
		String str = value.toString();
		//读取每行数据，然后切分                                                                
		String[] arr = str.split(" ");
		//遍历
		for (String s : arr) {
			context.write(new Text(s), new LongWritable(1));
		}
		
	}
}

2.Reducer 书写

：Reducer 在这里起的作用属于洗牌的作用，前面 map 将数据进行分片统计，统计完的分片数据提交给 Reducer，Reduce 在将这些分片数据集合起来，然后重新整理在map整理好的数据。这相当于一个层级整理的关系，（怎么比较简单的理解呢，就相当于你要招兵买马，你派 map 将军们去各地招揽人才，map将军们招揽的各种人才上报给大将军，大将军再将这些人整理成谋士团，骑兵团…）

2.1 Reducer 代码思路整理

：这里 是你创建的类继承（extends）Reducer的四个属性， 然后在Reducer中写 reduce 方法，reduce 方法中（两个属性+Reducer 的四个属性）.Context context，然后写逻辑代码就行了。

package com.biem.wc;

import java.io.IOException;

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

public class WordCountReducer extends Reducer<Text, LongWritable, Text, LongWritable>{

	//KEYIN -- 键的类型 
	//VALUEIN -- 值 
	//KEYOUT -- 键的类型
	//VALUEOUT -- 值
	@Override
	protected void reduce(Text key, Iterable<LongWritable> arg1,
			Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws IOException, InterruptedException {
		//定义求和变量
		long sum = 0;
		//循环遍历求和
		for (LongWritable count : arg1) {
			sum += count.get();
		}
		context.write(key, new LongWritable(sum));
	}
}

3.Driver 书写

package com.biem.wc;

import java.io.IOException;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCountDriver {
	

	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		Configuration conf = new Configuration();
		Job job = Job.getInstance(conf);
		
		//指定当前job执行的入口类
		job.setJarByClass(WordCountDriver.class);
		
		//指定mapper执行的类
		job.setMapperClass(WordCountMapper.class);
		
		//指定mapper的输入类型的类
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		
		//指定reduce执行的类
		job.setReducerClass(WordCountReducer.class);
		
		//指定reducer输出的类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		
		//指定文件所在路径及输出结果路径
		FileInputFormat.setInputPaths(job, new Path("hdfs://ip:9000/查询的文件所在位置"));
		FileOutputFormat.setOutputPath(job, new Path("hdfs://ip:9000/result"));
		
		//执行job
		job.waitForCompletion(true);
	}
}