Hadoop示例程序WordCount运行及详解
最近在学习云计算，研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。
运行方法：
假设：
[*] /home/cq/wordcount/input - 是 HDFS 中的输入路径
[*] /home/cq/wordcount/output - 是 HDFS 中的输出路径
用示例文本文件做为输入：
$ bin/hadoop fs -ls /home/cq/wordcount/input/
/home/cq /wordcount/input/file01
/home/cq /wordcount/input/file02
$ bin/hadoop fs -cat /home/cq/wordcount/input/file01
Hello World Bye World
$ bin/hadoop dfs -cat /home/cq/wordcount/input/file02
Hello Hadoop Goodbye Hadoop
运行应用程序：
$ bin/hadoop jar /*/WordCount/home/cq/wordcount/input /home/cq/wordcount/output
输出是：
$ bin/hadoop dfs -cat /home/cq/wordcount/output/part-00000
Bye 1
Goodbye 1
Hadoop 2
Hello 2
World 2
详解：
其实WordCount并不难，只是一下子接触到了很多的API，有一些陌生，还有就是很传统的开发相比，map-reduce确实是一种新的编程理 念，为了让各位新手少走弯路，我将WordCount中的很多API都做了注释，其实这些方法搞明白了以后程序就很简单了，无非就是将一句话分词，先用 map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。好了，不废话，直接上代码：
Java代码
[*] packagecom.felix;
[*]
[*] importjava.io.IOException;
[*] importjava.util.Iterator;
[*] importjava.util.StringTokenizer;
[*]
[*] importorg.apache.hadoop.fs.Path;
[*] importorg.apache.hadoop.io.IntWritable;
[*] importorg.apache.hadoop.io.LongWritable;
[*] importorg.apache.hadoop.io.Text;
[*] importorg.apache.hadoop.mapred.FileInputFormat;
[*] importorg.apache.hadoop.mapred.FileOutputFormat;
[*] importorg.apache.hadoop.mapred.JobClient;
[*] importorg.apache.hadoop.mapred.JobConf;
[*] importorg.apache.hadoop.mapred.MapReduceBase;
[*] importorg.apache.hadoop.mapred.Mapper;
[*] importorg.apache.hadoop.mapred.OutputCollector;
[*] importorg.apache.hadoop.mapred.Reducer;
[*] importorg.apache.hadoop.mapred.Reporter;
[*] importorg.apache.hadoop.mapred.TextInputFormat;
[*] importorg.apache.hadoop.mapred.TextOutputFormat;
[*] /**
[*] *
[*] * 描述：WordCount explains by Felix
[*] * @author Hadoop Dev Group
[*] */
[*] publicclassWordCount
[*] {
[*]
[*] /**
[*] * 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）
[*] * Mapper接口：
[*] * 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。
[*] * Reporter 则可用于报告整个应用的运行进度，本例中未使用。
[*] *
[*] */
[*] publicstaticclassMapextendsMapReduceBaseimplements
[*] Mapper
[*] {
[*] /**
[*] * 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，
[*] * 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。
[*] */
[*] privatefinalstaticIntWritable one =newIntWritable( 1 );
[*] privateText word =newText();
[*]
[*] /**
[*] * Mapper接口中的map方法：
[*] * void map(K1 key, V1 value, OutputCollector output, Reporter reporter)
[*] * 映射一个单个的输入k/v对到一个中间的k/v对
[*] * 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。
[*] * OutputCollector接口：收集Mapper和Reducer输出的对。
[*] * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
[*] */
[*] publicvoidmap(LongWritable key, Text value,
[*] OutputCollector output, Reporter reporter)
[*] throwsIOException
[*] {
[*] String line = value.toString();
[*] StringTokenizer tokenizer = newStringTokenizer(line);
[*] while(tokenizer.hasMoreTokens())
[*] {
[*] word.set(tokenizer.nextToken());
[*] output.collect(word, one);
[*] }
[*] }
[*] }
[*]
[*] publicstaticclassReduceextendsMapReduceBaseimplements
[*] Reducer
[*] {
[*] publicvoidreduce(Text key, Iterator values,
[*] OutputCollector output, Reporter reporter)
[*] throwsIOException
[*] {
[*] intsum =0 ;
[*] while(values.hasNext())
[*] {
[*] sum += values.next().get();
[*] }
[*] output.collect(key, newIntWritable(sum));
[*] }
[*] }
[*]
[*] publicstaticvoidmain(String[] args)throwsException
[*] {
[*] /**
[*] * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
[*] * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
[*] */
[*]
JobConf conf = newJobConf(WordCount.>
[*] conf.setJobName("wordcount" ); //设置一个用户定义的job名称
[*]
[*] conf.setOutputKeyClass(Text.class ); //为job的输出数据设置Key类
[*] conf.setOutputValueClass(IntWritable.class ); //为job输出设置value类
[*]
[*] conf.setMapperClass(Map.class ); //为job设置Mapper类
[*] conf.setCombinerClass(Reduce.class ); //为job设置Combiner类
[*] conf.setReducerClass(Reduce.class ); //为job设置Reduce类
[*]
[*] conf.setInputFormat(TextInputFormat.class ); //为map-reduce任务设置InputFormat实现类
[*] conf.setOutputFormat(TextOutputFormat.class ); //为map-reduce任务设置OutputFormat实现类
[*]
[*] /**
[*] * InputFormat描述map-reduce中对job的输入定义
[*] * setInputPaths():为map-reduce job设置路径数组作为输入列表
[*] * setInputPath()：为map-reduce job设置路径数组作为输出列表
[*] */
[*] FileInputFormat.setInputPaths(conf, newPath(args[ 0 ]));
[*] FileOutputFormat.setOutputPath(conf, newPath(args[ 1 ]));
[*]
[*] JobClient.runJob(conf); //运行一个job
转载自http://hi.baidu.com/whyang2006/item/436a720c4e15a013addc70c4
页:
[1]