目录
MaperReduce实现WordCount程序二次排序
前期准备
启动Zookeeper
./zkServer.sh start
启动HDFS
start-dfs.sh
启动Yarn
start-yarn.sh
将要处理的数据文件上传到HDFS
##这里数据文件名为wordcount.txt,目标存放路径为hdfs:/wc/srcdata/
##在HDFS根目录下创建wc目录
hadoop fs -mkdir /wc
##创建srcdata目录
hadoop fs -mkdir /wc/srcdata
##上传wordcount.txt
hadoop fs -put wordcount.txt /wc/srcdata
##不需要创建输出目录,否则会报错
1. 工程结构
- 导入
common
核心包及其依赖包 - 导入
mapreduce
包及其依赖包 - 导入
tools
包及其依赖
2. 编写自定义NewKey类
package cn.hadoop.mr.wordcount;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.WritableComparable;
/*
* newKey是自定义的数据类型,要在hadoop的各个节点之间传输,应该遵循hadoop的序列化机制
* 就必须实现hadoop相应的序列化接口
*/
public class NewKey implements WritableComparable<NewKey>{
private String word;
//反序列化时,反射机制需要调用空参构造函数,所以显示定义了一个空参构造函数
public NewKey() {}
//初始化对象
public NewKey(String word) {
this.word = word;
}
public String getWord() {
return word;
}
public void setWord(String word) {
this.word = word;
}
//从数据流中反序列化出对象的数据
//从数据流中读出对象字段时,必须与序列化时的顺序一致
@Override
public void readFields(DataInput in) throws IOException {
word = in.readUTF();
}
//将对象数据序列化到流中
@Override
public void write(DataOutput out) throws IOException {
out.writeUTF(word);
}
@Override
public String toString() {
return word;
}
//实现倒序排序
@Override
public int compareTo(NewKey o) {
return o.getWord().compareToIgnoreCase(word);
}
}
3. 编写WCMapper类
package cn.hadoop.mr.wordcount;
import java.io.IOException;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
//四个泛型中,前两个时指定mapper输入数据的类型,KEYIN是输入的key的类型,VALUE是输入的value的类型
//map和reduce的数据输入输出都是以key-value对的形式封装的
//默认情况下,框架传递给我们的mapper的输入数据中,key是要处理的文本中一行的起始偏移量,这一行的内容作为value
//mapreduce框架将Long类型封装为可序列化的LongWriteble类型,String封装为Text
public class WCMapper extends Mapper<LongWritable, Text, NewKey, LongWritable>{
//mapreduce框架每读一行数据就调用一次该方法
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
//具体的业务处理逻辑在该方法中编写,业务处理所需的数据由框架进行传递,在方法的参数中体现key-value
//key是这一行数据的起始偏移量,value是这一行的文本内容
//将这一行内容转化为string类型
String line=value.toString();
//调用Hadoop工具类对这一行文本按特定分隔符切分
String[] words = StringUtils.split(line," ");
//遍历单词数组输出到context中,输出为key-value形式,key为单词,value为1
for(String word:words) {
context.write(new NewKey(word), new LongWritable(1));
}
}
}
4. 编写WCReduer类
package cn.hadoop.mr.wordcount;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.mapreduce.Reducer;
public class WCReucer extends Reducer<NewKey, LongWritable, NewKey, LongWritable>{
//框架在map处理完成之后,缓存所有k-v对,根据k进行分组(相同k为同一组)后传递<key,value{}>,对每一组k调用一次reduce方法
//<hello,{1,1,1,1....}>
@Override
protected void reduce(NewKey key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
long count =0;
//遍历values进行累加求和
for(LongWritable value : values) {
count += value.get();
}
//输出这一个单词的统计结果
context.write(key, new LongWritable(count));
}
}
5. 编写作业描述类
package cn.hadoop.mr.wordcount;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
/**
* 用来描述一个特定的作业
* 例如:
* 指定该作业所使用的map类和reduce类;
* 指定作业所需输入数据的存放路径;
* 指定作业输出结果存放路径
* @author Administrator
*
*/
public class WCRunner extends Configured implements Tool{
@Override
public int run(String[] arg0) throws Exception {
//配置文件
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
//设置整个job所调用类的jar包路径
job.setJarByClass(WCRunner.class);
//设置该作业所使用的mapper和reducer类
job.setMapperClass(WCMapper.class);
job.setReducerClass(WCReucer.class);
//指定mapper输出数据的k-v类型,和reduce输出类型一样,可缺省
job.setMapOutputKeyClass(NewKey.class);
job.setOutputValueClass(LongWritable.class);
//指定reduce输出数据的k-v类型
job.setOutputKeyClass(NewKey.class);
job.setOutputValueClass(LongWritable.class);
//指定输入数据存放路径
FileInputFormat.setInputPaths(job, new Path(arg0[0]));
//指定输出数据存放路径
FileOutputFormat.setOutputPath(job, new Path(arg0[1]));
//将job提交给集群运行,参数为true表示提示运行进度
return job.waitForCompletion(true)?0:1;
}
public static void main(String[] args) throws Exception {
int res = ToolRunner.run(new Configuration(), new WCRunner(), args);
System.exit(res);
}
}
6. 将工程打包
注:工程所使用的JDK版本必须和Hadoop所使用的JDK版本一致
``
8. 查看输出结果
##查看指定的输出路径是否生成文件
hadoop fs -ls /wc/output
##查看运行结果
hadoop fs -cat /wc/output/part-r-00000
结果如图所示