Hadoop示例程序WordCount详解及实例 .

1.图解MapReduce

 

 

 

2.简历过程：

Input:

Hello World Bye World

Hello Hadoop Bye Hadoop

Bye Hadoop Hello Hadoop

Map:

Sort:

Combine:

Reduce:

3.代码实例：

[c-sharp] view plain copy print ?

1. package com.felix;  
2. import java.io.IOException;  
3. import java.util.Iterator;  
4. import java.util.StringTokenizer;  
5. import org.apache.hadoop.fs.Path;  
6. import org.apache.hadoop.io.IntWritable;  
7. import org.apache.hadoop.io.LongWritable;  
8. import org.apache.hadoop.io.Text;  
9. import org.apache.hadoop.mapred.FileInputFormat;  
10. import org.apache.hadoop.mapred.FileOutputFormat;  
11. import org.apache.hadoop.mapred.JobClient;  
12. import org.apache.hadoop.mapred.JobConf;  
13. import org.apache.hadoop.mapred.MapReduceBase;  
14. import org.apache.hadoop.mapred.Mapper;  
15. import org.apache.hadoop.mapred.OutputCollector;  
16. import org.apache.hadoop.mapred.Reducer;  
17. import org.apache.hadoop.mapred.Reporter;  
18. import org.apache.hadoop.mapred.TextInputFormat;  
19. import org.apache.hadoop.mapred.TextOutputFormat;  
20. /** 
21.  *  
22.  * 描述：WordCount explains by Felix 
23.  * @author Hadoop Dev Group 
24.  */  
25. public class WordCount  
26. {  
27.     /** 
28.      * 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） 
29.      * Mapper接口： 
30.      * 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。 
31.      * Reporter 则可用于报告整个应用的运行进度，本例中未使用。  
32.      *  
33.      */  
34.     public static class Map extends MapReduceBase implements  
35.             Mapper  
36.     {  
37.         /** 
38.          * 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， 
39.          * 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。 
40.          */  
41.         private final static IntWritable one = new IntWritable(1);  
42.         private Text word = new Text();  
43.           
44.         /** 
45.          * Mapper接口中的map方法： 
46.          * void map(K1 key, V1 value, OutputCollector output, Reporter reporter) 
47.          * 映射一个单个的输入k/v对到一个中间的k/v对 
48.          * 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。 
49.          * OutputCollector接口：收集Mapper和Reducer输出的对。 
50.          * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output 
51.          */  
52.         public void map(LongWritable key, Text value,  
53.                 OutputCollector output, Reporter reporter)  
54.                 throws IOException  
55.         {  
56.             String line = value.toString();  
57.             StringTokenizer tokenizer = new StringTokenizer(line);  
58.             while (tokenizer.hasMoreTokens())  
59.             {  
60.                 word.set(tokenizer.nextToken());  
61.                 output.collect(word, one);  
62.             }  
63.         }  
64.     }  
65.     public static class Reduce extends MapReduceBase implements  
66.             Reducer  
67.     {  
68.         public void reduce(Text key, Iterator values,  
69.                 OutputCollector output, Reporter reporter)  
70.                 throws IOException  
71.         {  
72.             int sum = 0;  
73.             while (values.hasNext())  
74.             {  
75.                 sum += values.next().get();  
76.             }  
77.             output.collect(key, new IntWritable(sum));  
78.         }  
79.     }  
80.     public static void main(String[] args) throws Exception  
81.     {  
82.         /** 
83.          * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作 
84.          * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等 
85.          */  
86.         JobConf conf = new JobConf(WordCount.class);  
87.         conf.setJobName("wordcount");           //设置一个用户定义的job名称   
88.         conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类   
89.         conf.setOutputValueClass(IntWritable.class);   //为job输出设置value类   
90.         conf.setMapperClass(Map.class);         //为job设置Mapper类   
91.         conf.setCombinerClass(Reduce.class);      //为job设置Combiner类   
92.         conf.setReducerClass(Reduce.class);        //为job设置Reduce类   
93.         conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类   
94.         conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类   
95.         /** 
96.          * InputFormat描述map-reduce中对job的输入定义 
97.          * setInputPaths():为map-reduce job设置路径数组作为输入列表 
98.          * setInputPath()：为map-reduce job设置路径数组作为输出列表 
99.          */  
100.         FileInputFormat.setInputPaths(conf, new Path(args[0]));  
101.         FileOutputFormat.setOutputPath(conf, new Path(args[1]));  
102.         JobClient.runJob(conf);         //运行一个job   
103.     }  
104. }  

 

转自： http://blog.csdn.net/xw13106209/article/details/6116323#comments  感谢原作者