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

  1. package  com.felix;  


  3. import  java.io.IOException;  

  4. import  java.util.Iterator;  

  5. import  java.util.StringTokenizer;  


  7. import  org.apache.hadoop.fs.Path;  

  8. import  org.apache.hadoop.io.IntWritable;  

  9. import  org.apache.hadoop.io.LongWritable;  

  10. import  org.apache.hadoop.io.Text;  

  11. import  org.apache.hadoop.mapred.FileInputFormat;  

  12. import  org.apache.hadoop.mapred.FileOutputFormat;  

  13. import  org.apache.hadoop.mapred.JobClient;  

  14. import  org.apache.hadoop.mapred.JobConf;  

  15. import  org.apache.hadoop.mapred.MapReduceBase;  

  16. import  org.apache.hadoop.mapred.Mapper;  

  17. import  org.apache.hadoop.mapred.OutputCollector;  

  18. import  org.apache.hadoop.mapred.Reducer;  

  19. import  org.apache.hadoop.mapred.Reporter;  

  20. import  org.apache.hadoop.mapred.TextInputFormat;  

  21. import  org.apache.hadoop.mapred.TextOutputFormat;  

  22. /**

  23. *

  24. * 描述：WordCount explains by Felix

  25. * @author Hadoop Dev Group

  26. */

  27. publicclass  WordCount  

  28. {  


  30. /**

  31.     * 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）

  32.     * Mapper接口：

  33.     * 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。

  34.     * Reporter 则可用于报告整个应用的运行进度，本例中未使用。

  35.     *

  36.     */

  37. publicstaticclass  Map  extends  MapReduceBase  implements

  38.            Mapper  

  39.    {  

  40. /**

  41.         * 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，

  42.         * 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。

  43.         */

  44. privatefinalstatic  IntWritable one =  new  IntWritable( 1 );  

  45. private  Text word =  new  Text();  


  47. /**

  48.         * Mapper接口中的map方法：

  49.         * void map(K1 key, V1 value, OutputCollector output, Reporter reporter)

  50.         * 映射一个单个的输入k/v对到一个中间的k/v对

  51.         * 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。

  52.         * OutputCollector接口：收集Mapper和Reducer输出的对。

  53.         * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output

  54.         */

  55. publicvoid  map(LongWritable key, Text value,  

  56.                OutputCollector output, Reporter reporter)  

  57. throws  IOException  

  58.        {  

  59.            String line = value.toString();  

  60.            StringTokenizer tokenizer = new  StringTokenizer(line);  

  61. while  (tokenizer.hasMoreTokens())  

  62.            {  

  63.                word.set(tokenizer.nextToken());  

  64.                output.collect(word, one);  

  65.            }  

  66.        }  

  67.    }  


  69. publicstaticclass  Reduce  extends  MapReduceBase  implements

  70.            Reducer  

  71.    {  

  72. publicvoid  reduce(Text key, Iterator values,  

  73.                OutputCollector output, Reporter reporter)  

  74. throws  IOException  

  75.        {  

  76. int  sum =  0 ;  

  77. while  (values.hasNext())  

  78.            {  

  79.                sum += values.next().get();  

  80.            }  

  81.            output.collect(key, new  IntWritable(sum));  

  82.        }  

  83.    }  


  85. publicstaticvoid  main(String[] args)  throws  Exception  

  86.    {  

  87. /**

  88.         * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作

  89.         * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等

  90.         */

  91.        JobConf conf = new  JobConf(WordCount. class );  

  92.        conf.setJobName("wordcount" );            //设置一个用户定义的job名称


  94.        conf.setOutputKeyClass(Text.class );     //为job的输出数据设置Key类

  95.        conf.setOutputValueClass(IntWritable.class );    //为job输出设置value类


  97.        conf.setMapperClass(Map.class );          //为job设置Mapper类

  98.        conf.setCombinerClass(Reduce.class );       //为job设置Combiner类

  99.        conf.setReducerClass(Reduce.class );         //为job设置Reduce类


  101.        conf.setInputFormat(TextInputFormat.class );     //为map-reduce任务设置InputFormat实现类

  102.        conf.setOutputFormat(TextOutputFormat.class );   //为map-reduce任务设置OutputFormat实现类


  104. /**

  105.         * InputFormat描述map-reduce中对job的输入定义

  106.         * setInputPaths():为map-reduce job设置路径数组作为输入列表

  107.         * setInputPath()：为map-reduce job设置路径数组作为输出列表

  108.         */

  109.        FileInputFormat.setInputPaths(conf, new  Path(args[ 0 ]));  

  110.        FileOutputFormat.setOutputPath(conf, new  Path(args[ 1 ]));  


  112.        JobClient.runJob(conf);         //运行一个job

转载自http://hi.baidu.com/whyang2006/item/436a720c4e15a013addc70c4