Hadoop示例程序WordCount详解及实例(转)

1.图解MapReduce

2.简历过程:

Input:

Hello World Bye World

Hello Hadoop Bye Hadoop

Bye Hadoop Hello Hadoop

Map:

<Hello,1>

<World,1>

<Bye,1>

<World,1>

<Hello,1>

<Hadoop,1>

<Bye,1>

<Hadoop,1>

<Bye,1>

<Hadoop,1>

<Hello,1>

<Hadoop,1>

Sort:

<Bye,1>

<Bye,1>

<Bye,1>

<Hadoop,1>

<Hadoop,1>

<Hadoop,1>

<Hadoop,1>

<Hello,1>

<Hello,1>

<Hello,1>

<World,1>

<World,1>

Combine:

<Bye,1,1,1>

<Hadoop,1,1,1,1>

<Hello,1,1,1>

<World,1,1>

Reduce:

<Bye,3>

<Hadoop,4>

<Hello,3>

<World,2>

3.代码实例:

  1. package com.felix;
  2. import java.io.IOException;
  3. import java.util.Iterator;
  4. import java.util.StringTokenizer;
  5. import org.apache.hadoop.fs.Path;
  6. import org.apache.hadoop.io.IntWritable;
  7. import org.apache.hadoop.io.LongWritable;
  8. import org.apache.hadoop.io.Text;
  9. import org.apache.hadoop.mapred.FileInputFormat;
  10. import org.apache.hadoop.mapred.FileOutputFormat;
  11. import org.apache.hadoop.mapred.JobClient;
  12. import org.apache.hadoop.mapred.JobConf;
  13. import org.apache.hadoop.mapred.MapReduceBase;
  14. import org.apache.hadoop.mapred.Mapper;
  15. import org.apache.hadoop.mapred.OutputCollector;
  16. import org.apache.hadoop.mapred.Reducer;
  17. import org.apache.hadoop.mapred.Reporter;
  18. import org.apache.hadoop.mapred.TextInputFormat;
  19. import org.apache.hadoop.mapred.TextOutputFormat;
  20. /**
  21. *
  22. * 描述:WordCount explains by Felix
  23. * @author Hadoop Dev Group
  24. */
  25. public class WordCount
  26. {
  27. /**
  28. * MapReduceBase类:实现了Mapper和Reducer接口的基类(其中的方法只是实现接口,而未作任何事情)
  29. * Mapper接口:
  30. * WritableComparable接口:实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。
  31. * Reporter 则可用于报告整个应用的运行进度,本例中未使用。
  32. *
  33. */
  34. public static class Map extends MapReduceBase implements
  35. Mapper<LongWritable, Text, Text, IntWritable>
  36. {
  37. /**
  38. * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类,这些类实现了WritableComparable接口,
  39. * 都能够被串行化从而便于在分布式环境中进行数据交换,你可以将它们分别视为long,int,String 的替代品。
  40. */
  41. private final static IntWritable one = new IntWritable(1);
  42. private Text word = new Text();
  43. /**
  44. * Mapper接口中的map方法:
  45. * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
  46. * 映射一个单个的输入k/v对到一个中间的k/v对
  47. * 输出对不需要和输入对是相同的类型,输入对可以映射到0个或多个输出对。
  48. * OutputCollector接口:收集Mapper和Reducer输出的<k,v>对。
  49. * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
  50. */
  51. public void map(LongWritable key, Text value,
  52. OutputCollector<Text, IntWritable> output, Reporter reporter)
  53. throws IOException
  54. {
  55. String line = value.toString();
  56. StringTokenizer tokenizer = new StringTokenizer(line);
  57. while (tokenizer.hasMoreTokens())
  58. {
  59. word.set(tokenizer.nextToken());
  60. output.collect(word, one);
  61. }
  62. }
  63. }
  64. public static class Reduce extends MapReduceBase implements
  65. Reducer<Text, IntWritable, Text, IntWritable>
  66. {
  67. public void reduce(Text key, Iterator<IntWritable> values,
  68. OutputCollector<Text, IntWritable> output, Reporter reporter)
  69. throws IOException
  70. {
  71. int sum = 0;
  72. while (values.hasNext())
  73. {
  74. sum += values.next().get();
  75. }
  76. output.collect(key, new IntWritable(sum));
  77. }
  78. }
  79. public static void main(String[] args) throws Exception
  80. {
  81. /**
  82. * JobConf:map/reduce的job配置类,向hadoop框架描述map-reduce执行的工作
  83. * 构造方法:JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
  84. */
  85. JobConf conf = new JobConf(WordCount.class);
  86. conf.setJobName("wordcount");           //设置一个用户定义的job名称
  87. conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类
  88. conf.setOutputValueClass(IntWritable.class);   //为job输出设置value类
  89. conf.setMapperClass(Map.class);         //为job设置Mapper类
  90. conf.setCombinerClass(Reduce.class);      //为job设置Combiner类
  91. conf.setReducerClass(Reduce.class);        //为job设置Reduce类
  92. conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类
  93. conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类
  94. /**
  95. * InputFormat描述map-reduce中对job的输入定义
  96. * setInputPaths():为map-reduce job设置路径数组作为输入列表
  97. * setInputPath():为map-reduce job设置路径数组作为输出列表
  98. */
  99. FileInputFormat.setInputPaths(conf, new Path(args[0]));
  100. FileOutputFormat.setOutputPath(conf, new Path(args[1]));
  101. JobClient.runJob(conf);         //运行一个job
  102. }
  103. }
上一篇:POJ 3207 2-sat


下一篇:VC++修改电脑系统时间