mapReducer第一个例子WordCount

mapreducer第一个例子，主要是统计一个目录下各个文件中各个单词出现的次数。

mapper

package com.mapreduce.wordCount;

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;

/*
 * TextInputFormat中的recorder 每次读取 一个分片中的 一行文本
 * 所以map 函数每次读取一行。规定：
 * 输入：key: 行偏移量  value:一行的文本
 * 输出： key: 一个词  value: 1
 * 
 * map 做个映射。
 */

public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
	
	Text keyOut = new Text();
	IntWritable valueOut = new IntWritable();
	
	protected void map(LongWritable key, Text value, Context context)
			throws IOException, InterruptedException {
		
		String line = value.toString();
		String[] worlds = line.split(" ");
		for( String w:worlds){
			keyOut.set(w);
			valueOut.set(1);
			context.write(keyOut,valueOut);
		}
	}

}

reudcer

package com.mapreduce.wordCount;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
/*
 *  输入： 对应maper 的输出 [key: values] {"love":[1,1,1,1,1,1]}
 *  输出： 词和每个词的出现次数。
 *  中间shuffle 阶段自动排序分区。  因为没有分区，所以输出到一个文件中 // 所以结果文件是按 key 排序的。
 *  
 */
public class WordReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
    
    
    protected void reduce(Text key, Iterable<IntWritable> value,Context context)
            throws IOException, InterruptedException {
        int count = 0;
        for( IntWritable v:value){
            count += v.get();
        }
        context.write(key, new IntWritable(count));
        
    }
}

job 驱动

package com.mapreduce.wordCount;


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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;


public class WordCountDemo {
    
    public static void main(String[] args) throws Exception {
        
        // 1 获取configuration
        Configuration configuration = new Configuration();
        
        // 2 job
        
        Job job = Job.getInstance(configuration);
    
        // 3 作业jar包
        
        job.setJarByClass(WordCountDemo.class);
        
        // 4 map, reduce jar 包
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordReducer.class);
        // 5 map 输出类型
        
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        
        // 6 最终 输出类型  （reducer）
        
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        
        // 7 inputformatclass , outputformatclass  输入输出入文件类型  可能决定分片信息  
        
        job.setInputFormatClass(TextInputFormat.class);
        job.setOutputFormatClass(TextOutputFormat.class);
    
        // 8  输入输出文件路径 
        
        FileInputFormat.setInputPaths(job, new Path("d:/input"));
        FileOutputFormat.setOutputPath(job, new Path("d:/output"));

        
        // 9 job提交 
        
        job.waitForCompletion(true);
        
    }

}