MapReduce01——词频统计

1、有words.txt文件内容如下,其中以制表符分割

Python	Java
Java
C
Python
C	Python

2、分析
map阶段
1、进行非空和长度等于0的判断,确保读取到每行数据没有问题
2、mapreduce会一行一行地读取文件,读取后将其以制表符分割,就能得到一个字符串数组
3、遍历字符串数组,将其以<key, value>的形式输出,value为1。输出后mapreduce会将相同的key合并在一起
reduce阶段
1、因为map阶段将相同的key聚合在一起,所以键值对就会有多个value
2、定义一个count,遍历<key, values>的values集合,然后count累加上value
3、创建maven工程后,添加如下依赖

<dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.9.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.9.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>2.9.2</version>
        </dependency>
    </dependencies>

4、编写mapreduce程序

package com.qujiuge.wordcount;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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;

import java.io.IOException;

public class Driver {
    static class WordMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String line = value.toString();
            if (line != null && line.length() != 0) { // 进行非空和长度判断
                String[] fields = line.split("\t");
                for (String field : fields) {
                    context.write(new Text(field), new IntWritable(1)); // 每得到一个词语就设置一对键值对
                }
            }
        }
    }

    static class WordReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        @Override
        protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int count = 0;
            for (IntWritable value : values) {
                count += value.get();
            }
            context.write(key, new IntWritable(count));
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration config = new Configuration();
        Job job = Job.getInstance(config);

        job.setJarByClass(Driver.class);

        job.setMapperClass(WordMapper.class);
        job.setReducerClass(WordReducer.class);

        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        FileSystem fs = FileSystem.get(config);
        Path outPath = new Path(args[1]);
        if (fs.exists(outPath)) { // 判断输出路径是否存在
            fs.delete(outPath, true);// 如果输出路径存在就删除
        }
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, outPath);

        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

项目结构如下:
在这里插入图片描述

5、将words.txt文件上传到hdfs中
在这里插入图片描述

6、将项目打包成jar文件后,用hadoop jar命令执行
运行命令如下

hadoop jar HadoopDemo2021.jar com.qujiuge.wordcount.Driver /testdata/word/words.txt /out/word

(1)、hadoop jar是使用hadoop的jar执行命令
(2)、com.qujiuge.wordcount.Driver设置运行的主类
(3)、/testdata/word/words.txt设置hdfs上要分析的文件
(4)、/out/word为结果的输出路径
运行结果:
在这里插入图片描述
在这里插入图片描述

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