Hadoop之MapReduce实验报告

一、实验题目

编写MapReduce程序Dictionary。
二、实验目的

Dictionary遍历dictionary.txt文件，读取数据，并把其中的英文词汇转化为法语或意大利语。
文档格式：每行空格前为英语，空格后为法语或意大利语，中括号中为词性。
三、任务分解

首先，先观察待处理文档，由于windows下与linux中回车符的表示不同（一个为\r\n,一个为\n）。
所以同一个文档在不同系统中是不同的，linux如下图。

windows如下图：

所以要在linux中查看待处理文档，这一步很关键。

从文档中可以看出，该文档实际上是一个字典，每一行对应一个词条
即每一行都是一个英文单词对应一个或是多个翻译，通过逗号分隔开。
因此负责提取感兴趣信息的mapper函数就可以写出了：

在mapreduce中，数据的获取是按行获取的。获取之后转为String格式，再通过逗号来分离，最终将获得的值按照（key，word）的方式打包。
以linux第三行为例，aardvark orycte/rope[Noun]经过处理之后的结果应当为（aardvark，orycte）及（aardvark ，rope[Noun]）

reduce部分则是要把这样相同的值整合，并且输出。因此reduce部分的代码为：
package net.pascalalma.hadoop;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;

public class AllTranslationsReducer extends Reducer {
private Text result = new Text();

@Override
protected void reduce(Text key, Iterable values, Context context)
		throws IOException, InterruptedException {
	String translations = "";
	for (Text val : values) {
		translations += "|" + val.toString();
	}
	result.set(translations);
	context.write(key, result);
}

}
其中for（Text val：values）的意思为，map中相同key值的不同values，然后将这些value以|为分割连接起来，传给translations值。
最后将值打包。
接着写一下driver部分，整个程序就可以运行了。

*四、实验步骤

1.在Ubuntu上安装Eclipse、Hadoop和JDK（虚拟机里已经安装了这些环境）；
2.打开Eclipse，创建一个新的Java Project；
3.选择“Configure Build Path”，选择Library标签，Add External JARs；
4.选择Apache/Hadoop 1.0.4文件夹，选择下列jar文件：
commons-collections-3.2.1.jar
commons-confi guration-1.6.jar
commons-httpclient-3.0.1.jar
commons-lang-2.4.jar
commons-logging-1.1.1.jar
commons-logging-api-1.0.4.jar
jackson-core-asl-1.8.8.jar
jackson-mapper-asl-1.8.8.jar
log4j-1.2.15.jar
Hadoop-core-1.0.4.jar
5.创建“com.trendwise.java”包，并在包中创建“LineCount”类（可使用附件文件）；
6.将LineCount项目导出为Jar文件；
7.启动Hadoop，复制loaddata1文件到“/home/wcbdd/Desktop/loaddata1”；
8.访问localhost:50070，利用文件选择器选择选择loaddata1；
9.运行MapReduce程序，“bin/hadoop jar /home/wcbdd/linecount.jar com.trendwise.java.linecount /LOAD /home/wcbdd/workspace/BIGmb”；
10.打开浏览器查看LineCount结果；
11.复制结果到本地文件output.txt；

6.查看运行结果。

五、总结
尝试着分析了一下mapper，reducer函数究竟是怎样写成的。
由于对java以及hadoop内的类不够熟悉，虽然搜索了相关资料，但错误难以避免，希望各位看官能指出不足。
我接下来的实验也将采用这种方式，下周的实验要多查官方文档，希望能够写出更加详细的实验报告。