java写mr程序1-worldCount

1.计数MapReduce
mapper程序:

package cn.mr;

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.util.StringUtils;

//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN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
public class WCMapper extends Mapper{
	//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 {
		//具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 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
		
		//将这一行的内容转换成string类型
		String lineString = value.toString();
		//对这一行的文本按特定分隔符切分
		String[] wordStrings = StringUtils.split(lineString, ' ');
		
		//遍历这个单词数组输出为kv形式  k：单词   v ： 1
		for(String word : wordStrings){
			context.write(new Text(word), new LongWritable(1));
		}
		
	};
}

Reducer程序

package cn.mr;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.lang.*;

public class WCReducer extends Reducer{
	
	//框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组，调用一次reduce方法
	//
	@Override
	protected void reduce(Text arg0, Iterable arg1, org.apache.hadoop.mapreduce.Reducer.Context arg2) throws java.io.IOException ,InterruptedException {
		long count = 0;
		//遍历value的list，进行累加求和
		for(LongWritable word:arg1){
			count += 1;
		}
		arg2.write(arg0, new LongWritable(count));
	};
}

程序入口：

package cn.mr;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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.output.FileOutputFormat;


/**
 * 用来描述一个特定的作业
 * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * ....
 *
 */

public class WCRunner {
	public static void main(String[] args) throws Exception {
		Configuration configuration = new Configuration();
		
		Job job = Job.getInstance(configuration);
		
		//设置整个job所用的那些类在那个jar包
		job.setJarByClass(WCRunner.class);
		
		//本job使用的mapper和reducer的类
		job.setMapperClass(WCMapper.class);
		job.setReducerClass(WCReducer.class);
		
		//指定reduce的输出数据kv类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		
		//指定mapper的输出数据kv类型
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		
		//指定要处理的输入数据存放路径
		FileInputFormat.setInputPaths(job, new Path("c:/wc/srcdata/"));
		
		//指定处理结果的输出数据存放路径
		FileOutputFormat.setOutputPath(job, new Path("c:/wc/output/"));
		
		//将job提交给集群运行 
		job.waitForCompletion(true);
		
		
	}
}