運行下面代碼必須在linux系統上,並且已經成功部署安裝hadoop
package com.hadoop.test3;
import java.io.IOException;
import java.util.*;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.conf.*;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapred.*;
import org.apache.hadoop.util.*;
public class WordCount {
public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable>{
private final static IntWritable one=new IntWritable(1);
private Text word=new Text();
public void map(LongWritable key,Text value,OutputCollector<Text, IntWritable>output,Reporter reporter)throws IOException{
String line=value.toString();
StringTokenizer tokenizer=new StringTokenizer(line);
while(tokenizer.hasMoreElements()){
word.set(tokenizer.nextToken());
output.collect(word,one);
}
}
}
public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable>{
public void reduce(Text key,Iterator<IntWritable>values,OutputCollector<Text, IntWritable>output,Reporter reporter)throws IOException{
int sum=0;
while(values.hasNext()){
sum+=values.next().get();
}
output.collect(key, new IntWritable(sum));
}
}
public static void main(String[] args) throws Exception{
JobConf conf=new JobConf(WordCount.class);
conf.setJobName("wordcount");
conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(IntWritable.class);
conf.setMapperClass(Map.class);
conf.setCombinerClass(Reduce.class);
conf.setReducerClass(Reduce.class);
conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);
FileInputFormat.setInputPaths(conf, new Path("/home/root/test/input"));
FileOutputFormat.setOutputPath(conf, new Path("/home/root/test/output"));
JobClient.runJob(conf);
}
}
假設:
•/home/root/test/input - 是HDFS中的輸入路徑
•/home/root/test/output - 是HDFS中的輸出路徑
1.創建 /home/root/test/input
2.在此目錄下創建三個文本文件,分別命名爲:file01,file02,file03
file01輸入內容"Hello World Bye World"
file02輸入內容"Hello Hadoop Goodbye Hadoop"
file03輸入內容"hello Hadoop Goodbye hadoop"
3.運行程序
[b]運行結果爲[/b]
Bye 1
Goodbye 2
Hadoop 3
Hello 2
World 2
hadoop 1
hello 1
從運行結果可以看出 mapreduce是區分大小寫的,而且僅僅是以空格來劃分字符的
[color=red]在運行程序中可能會報"org.apache.hadoop.mapred.FileAlreadyExistsException"那是因爲程序會自動創建輸出目錄,如果此目錄已存在就會報此異常,所以運行前注意先刪除"/home/root/test/output"目錄[/color]
下面我們來看看原理
Mapper(14-26行)中的map方法通過指定的 TextInputFormat一次處理一行。然後,它通過StringTokenizer 以空格爲分隔符將一行切分爲若干tokens,之後,輸出< <word>, 1> 形式的鍵值對。
對於示例中的第一個輸入,map輸出是:
< Hello, 1>
< World, 1>
< Bye, 1>
< World, 1>
第二個輸入,map輸出是:
< Hello, 1>
< Hadoop, 1>
< Goodbye, 1>
< Hadoop, 1>
第三個輸入,map輸出是:
< hello, 1>
< Hadoop, 1>
< Goodbye, 1>
< hadoop, 1>
WordCount還指定了一個combiner 因此,每次map運行之後,會對輸出按照key進行排序,然後把輸出傳遞給本地的combiner(按照作業的配置與Reducer一樣),進行本地聚合。
第一個map的輸出是:
< Bye, 1>
< Hello, 1>
< World, 2>
第二個map的輸出是:
< Goodbye, 1>
< Hadoop, 2>
< Hello, 1>
第三個map的輸出是:
< Goodbye, 1>
< hadoop, 1>
< Hadoop, 1>
< hello, 1>
Reducer中的reduce方法 僅是將每個key(本例中就是單詞)出現的次數求和。
因此這個作業的輸出就是:
< Bye, 1>
< Goodbye, 2>
< Hadoop, 3>
< Hello, 2>
< World, 2>
< hadoop, 1>
< hello, 1>
代碼中的run方法中指定了作業的幾個方面, 例如:通過命令行傳遞過來的輸入/輸出路徑、key/value的類型、輸入/輸出的格式等等JobConf中的配置信息。隨後程序調用了JobClient.runJob來提交作業並且監控它的執行。