WordCount案例实操

WordCount案例实操

环境准备：

    配置JDK Hadoop环境变量

WordCount案例：

maven

    junit

    junit

    RELEASE

    org.apache.logging.log4j

    log4j-core

    2.8.2

    org.apache.hadoop

    hadoop-common

    2.7.2

    org.apache.hadoop

    hadoop-client

    2.7.2

    org.apache.hadoop

    hadoop-hdfs

    2.7.2

log4j.properties

log4j.rootLogger=INFO, stdout

log4j.appender.stdout=org.apache.log4j.ConsoleAppender

log4j.appender.stdout.layout=org.apache.log4j.PatternLayout

log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n

log4j.appender.logfile=org.apache.log4j.FileAppender

log4j.appender.logfile.File=target/spring.log

log4j.appender.logfile.layout=org.apache.log4j.PatternLayout

log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

Mapper

/**

* map阶段

* LongWritable 输入数据的key

* Text 输入数据的value

* Text 输出数据key的类型

* IntWritable 输出的数据value类型

*/

public class WordcountMapper extends Mapper {

    Text k = new Text();

    IntWritable v = new IntWritable(1);

    @Override

    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        // 获取一行

        String line = value.toString();

        // 根据空格切割单词

        String[] words = line.split(" ");

        // 循环写出

        for (String word:words) {

            k.set(word);

            context.write(k, v);

        }

    }

}

Reducer

/**

* reducer阶段

*/

public class WordcountReducer extends Reducer {

    IntWritable v = new IntWritable();

    @Override

    protected void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {

        int sum = 0;

        // 累加求和

        for (IntWritable value: values) {

            sum += value.get();

        }

        v.set(sum);

        // 写出

        context.write(key, v);

    }

}

Driver

public class WordcountDriver {

    public static void main(String[] args) throws Exception {

        Configuration conf = new Configuration();

        // 获取Job对象

        Job job = Job.getInstance(conf);

        // 设置jar存储位置

        job.setJarByClass(WordcountDriver.class);

        // 关联Mapper和Reducer类

        job.setMapperClass(WordcountMapper.class);

        job.setReducerClass(WordcountReducer.class);

        // 设置Mapper阶段输出数据的key和value类型

        job.setMapOutputKeyClass(Text.class);

        job.setMapOutputValueClass(IntWritable.class);

        // 设置最终数据输出的key和value类型

        job.setOutputKeyClass(Text.class);

        job.setOutputValueClass(IntWritable.class);

        // 设置输入路径和输出路径

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

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

        //job.setInputFormatClass(CombineTextInputFormat.class);

        // 虚拟存储切片最大值设置20m

        //CombineTextInputFormat.setMaxInputSplitSize(job, 20971520);

        //job.setNumReduceTasks(2);

        // 提交job

        boolean result = job.waitForCompletion(true);

        System.exit(result ? 0 : 1);

    }

}

案例在集群上运行

1）将程序打包

maven添加打包插件

       

           

                maven-compiler-plugin

                2.3.2

               

                    1.8

                    1.8

               

           

           

                maven-assembly-plugin

               

                   

                        jar-with-dependencies

                   

                   

                       

                            com.atguigu.mr.wordcount.WordcountDriver

                       

                   

               

               

                   

                        make-assembly

                        package

                       

                            single

                       

                   

               

           

       

   

打包

maven install

2）将打包jar复制到Hadoop服务器

3）运行

$ hadoop jar wordcount.jar com.atguigu.mr.wordcount.WordcountDriver /user/atguigu/input /user/atguigu/output