Hadoop实战学习（1）-WordCount

 环境：Hadoop:2.7.3，JDK:1.8.0_111，ubuntu16.0.4，Idea2018。

Idea是Linux版本的，不是Windows版本的哈。这里需要注意。整个开发测试环境都是Linux系统下的。

随意准备一个txt文档，输入一些单词。txt文档命名为test.txt。先上传到本地文件系统当中进行测试，

这个是文件内容

以下是具体代码：

package com.hadoop;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

import java.io.IOException;
import java.util.StringTokenizer;

/**
 * @Author Administrator
 * @Date 2018/5/27 14:31
 */
public class HDFSDemo {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf=new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount  ");
            System.exit(2);
        }else {
            FileSystem.get(conf).delete(new Path(otherArgs[1]));
        }
        //设置作业名称
        Job job=Job.getInstance(conf,"wordcount");
        //设置搜索类
        job.setJarByClass(HDFSDemo.class);
        //设置输入格式,TextInputFormat是默认输入格式,不能设置成FileInputFormat.Class,该惨数在当前情况下可以不设置
        job.setInputFormatClass(TextInputFormat.class);
        //设置Mapper类
        job.setMapperClass(TokenizerMapper.class);
        //设置Reducer类
        job.setReducerClass(IntSumReducer.class);
        //设置Reducer个数
        job.setNumReduceTasks(1);
        //设置maper端单词输出格式
        job.setMapOutputKeyClass(Text.class);
        //设置mapper端单词输出个数格式
        job.setMapOutputValueClass(IntWritable.class);
        //设置Reducer端单词输出格式
        job.setOutputKeyClass(Text.class);
        //设置Reducer单词输出个数格式
        job.setOutputValueClass(IntWritable.class);
        //设置job的输入路径,多次add可以设置多个输入路径
        FileInputFormat.addInputPath(job,new Path(otherArgs[0]));
        //设置输出路径
        FileOutputFormat.setOutputPath(job,new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }

    public static class TokenizerMapper extends Mapper {

        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }

    public static class IntSumReducer
            extends Reducer {
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }

}

然后配置输入参数：

点击Idea菜单栏中的 Run->Edit Configurations,弹出如下窗口：

按照图中的指示配置输入与输出参数，然后边缘运行代码：

程序编译通过，然后在该主机上面参看是否有输出内容：

可以看到有输出结果，并且输出结果是正确的。

然后将程序打包成jar包并放到主目录下。打包jar包的方法就不讲了。

jar包打包成功过后将jar移动到用户主目录。然后开始在正式环境下测试。

这里以分布式系统中目录/user/zhang/hadoop分输入路径。

然后执行命令：

~$ hadoop jar hadoop-test-core.jar com.hadoop.HDFSDemo /user/zhang/hadoop output

由于代码中只使用了一个Reducer，因此只有一个DataNode在进行输出计算，所以时间教长。

可以看到作业已经计算成功。

可以看到在分布式文件系统中已经建立了一个output目录并且存放了计算结果。

然后将计算结果输出查看：

可以看到和之前在开发环境下的测试输出结果是一模一样的。

到此整个过程就结束了。

源代码地址：https://pan.baidu.com/s/1NYRwwIN9YHYESVYQ7oy0OA

下载解压后会有三个文件夹，以导入maven工程的方式导入root那个文件夹中的 pom.xml即可。