MR 单词计数Demo

MAP

package cn.itcast.bigdata.mr.wcdemo;

import java.io.IOException;

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

/**
 * KEYIN: 默认情况下，是mr框架所读到的一行文本的起始偏移量，Long,
 * 但是在hadoop中有自己的更精简的序列化接口，所以不直接用Long，而用LongWritable
 * 
 * VALUEIN:默认情况下，是mr框架所读到的一行文本的内容，String，同上，用Text
 * 
 * KEYOUT：是用户自定义逻辑处理完成之后输出数据中的key，在此处是单词，String，同上，用Text
 * VALUEOUT：是用户自定义逻辑处理完成之后输出数据中的value，在此处是单词次数，Integer，同上，用IntWritable
 * 
 * @author
 *
 */

public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{

/**
 * 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
 */
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
	
	//将maptask传给我们的文本内容先转换成String
	String line = value.toString();
	//根据空格将这一行切分成单词
	String[] words = line.split(" ");
	
	//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reduce task
		context.write(new Text(word), new IntWritable(1));
	}
}

}

REDUCE

package cn.itcast.bigdata.mr.wcdemo;

import java.io.IOException;

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

/**
 * KEYIN, VALUEIN 对应  mapper输出的KEYOUT,VALUEOUT类型对应
 * 
 * KEYOUT, VALUEOUT 是自定义reduce逻辑处理结果的输出数据类型
 * KEYOUT是单词
 * VLAUEOUT是总次数
 * @author
 *
 */
public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

/**
 * <angelababy,1><angelababy,1><angelababy,1><angelababy,1><angelababy,1>
 * <hello,1><hello,1><hello,1><hello,1><hello,1><hello,1>
 * <banana,1><banana,1><banana,1><banana,1><banana,1><banana,1>
 * 入参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;
	/*Iterator<IntWritable> iterator = values.iterator();
	while(iterator.hasNext()){
		count += iterator.next().get();
	}*/
	
	for(IntWritable value:values){
	
		count += value.get();
	}
	
	context.write(key, new IntWritable(count));
	
}
}

MAIN

package cn.itcast.bigdata.mr.wcdemo;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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;

/**
 * 相当于一个yarn集群的客户端
 * 需要在此封装我们的mr程序的相关运行参数，指定jar包
 * 最后提交给yarn
 * @author
 *
 */
public class WordcountDriver {
	
public static void main(String[] args) throws Exception {
	
	if (args == null || args.length == 0) {
		args = new String[2];
		args[0] = "hdfs://master:9000/wordcount/input/wordcount.txt";
		args[1] = "hdfs://master:9000/wordcount/output8";
	}
	
	Configuration conf = new Configuration();
	
	//设置的没有用!  ??????
//		conf.set("HADOOP_USER_NAME", "hadoop");
//		conf.set("dfs.permissions.enabled", "false");
	
	//在linux集群跑不需要设置yarn在哪里，linux集群中都有hadoop相关信息，直接在conf中读到。如果在windows上面需要告知yarn
	/*conf.set("mapreduce.framework.name", "yarn");
	conf.set("yarn.resoucemanager.hostname", "mini1");*/
	Job job = Job.getInstance(conf);
	
	/*job.setJar("/home/hadoop/wc.jar");*/
	//指定本程序的jar包所在的本地路径
	job.setJarByClass(WordcountDriver.class);
	
	//指定本业务job要使用的mapper/Reducer业务类
	job.setMapperClass(WordcountMapper.class);
	job.setReducerClass(WordcountReducer.class);
	
	//指定mapper输出数据的kv类型
	job.setMapOutputKeyClass(Text.class);
	job.setMapOutputValueClass(IntWritable.class);
	
	//指定最终输出的数据的kv类型
	job.setOutputKeyClass(Text.class);
	job.setOutputValueClass(IntWritable.class);
	
	//指定job的输入原始文件所在目录
	FileInputFormat.setInputPaths(job, new Path(args[0]));
	//指定job的输出结果所在目录
	FileOutputFormat.setOutputPath(job, new Path(args[1]));
	
	//将job中配置的相关参数，以及job所用的java类所在的jar包，提交给yarn去运行
	/*job.submit();*/
	boolean res = job.waitForCompletion(true);
	System.exit(res?0:1);
	
}
}