Hadoop MapReduce -wordcount学习

（一）MapReduce简单介绍

1. MapReduce是一种分布式的计算模型，主要用于搜索领域，解决海量数据的计算问题
2. 它主要由两个阶段组成：Map和Reduce，用户只要实现map()和reduce()两个函数，就可以实现分布式计算
3. 这两个函数的形参是key,value对，表示函数的输入信息

（二）步骤分析

1. map过程

     1.1 读取输入文件内容，解析成key、value对。对输入的文件的每一行，解析成key、value对。每一个键值对调用一次map函数。
   
     2.2 写出自己的算法逻辑，对输入的key、value对进行处理，转换成新的key、value输出。
   

2. reduce过程

    2.1 在reduce之前，shuffle会对多个map任务的输出进行合并、排序。
    2.2 在reduce函数中写出自己的算法逻辑，对输入的key、value对进行处理，转换成新的key、value输出。
    2.3 把输出保存到文件当中。
   

（三）WordCount例子学习

1. 准备需要的文件

   在这里，我写了一个source.txt文件并且通过

    hdfs dfs -put /home/txp/桌面/source.txt /wc/srcdata

上传到HDFS中去（当然此时已经启动hadoop集群）

1. 定义一个WcMapper类继承Mapper

      public class WcMapper extends Mapper<LongWritable, Text, Text, LongWritable>{

    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, LongWritable>.Context context)
            throws IOException, InterruptedException {
        //接受数据
        String line=value.toString();
        //切分数据
        String [] words=StringUtils.split(line," ");
        //循环
        for (String w :words) {
            //出现一次  记个1
            context.write(new Text(w), new LongWritable(1));
        }
    }
}

对文件中的数据是一行一行的处理。

1. 定义一个WcReducer类继承Reducer

 public class WcReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
    @Override
    protected void reduce(Text key, Iterable<LongWritable> value,
            Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws IOException, InterruptedException {
        //定义一个计算器
        long count=0;
        //循环
        for(LongWritable v:value) {
            count+=v.get();
        }
        //输出
        context.write(key, new LongWritable(count));
    }
}

4.创建WordCount 类具体实现

   public class WordCount {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf=new Configuration();
        //conf.set("mapreduce.job.jar", "wc.jar");
        //新建一个job对象
        Job job = Job.getInstance(conf);

        //加载main方法所在的类
        job.setJarByClass(WordCount.class);
        //设置mapper与reducer类
        job.setMapperClass(WcMapper.class);
        job.setReducerClass(WcReducer.class);

        //Combiner组件
        //指定job所使用的combiner类定义
        job.setCombinerClass(WcReducer.class);

        //设置mapper输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        //设置reducer输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);

        FileInputFormat.setInputPaths(job, new Path("hdfs://Master:9000/wc/srcdata"));

        //如果已经有了output了  删除
        FileSystem fs=FileSystem.get(conf);
        Path output=new Path("/wc/output");
        if(fs.exists(output)) {
            fs.delete(output,true);
        }
        //指定处理之后的结果输出到那个路径

        FileOutputFormat.setOutputPath(job, new Path("hdfs://Master:9000/wc/output"));

        boolean res = job.waitForCompletion(true);

        System.out.println(res?1:0);
    }
}

5.运行模式

5.1提交到集群中运行
    将开发好的该程序打成jar包，上传到服务器，执行命令

     hadoop  jar  包名.主类 输入目录  输出目录

5.2在本地运行
    直接在WordCount中启动，这种也可以在yarn集群中运行