mapper_reducer 笔记

package com.zyf.mr.wordcount;


import java.io.IOException;


import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;


//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和reduce的数据输入输出都是以key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value


public class WCMapper extends Mapper<LongWritable,Text,Text,LongWritable>{
//mapreduce框架每读一行数据就调用一次该方法
@Override
protected void map(LongWritable key,Text value,Context context) throws IOException,InterruptedException{
//具体业务逻辑就写在这个方法体中，而且我们业务处理的数据已经被框架传递进来，在方法的参数中key-value
//key是这一行数据的起始偏移量 value是这一行的文本内容

//将这一行的内容转换成string类型
String line = value.toString();


//对这一行的文本按特定分隔符切分
String[] words = StringUtils.split(line, " ");


//遍历这个单词数组输出为kv形式 k：单词 V ： 1
for(String word : words){
context.write(new Text(word),new LongWritable(1));
}
}

}

package com.zyf.mr.wordcount;


import java.io.IOException;


import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper.Context;
import org.apache.hadoop.mapreduce.Reducer;


public class WCReducer extends Reducer<Text,LongWritable,Text,LongWritable>{
//框架在map处理完成后，将所有kv对缓存起来，进行分组，然后传递一个组<key,values{}>，调用一次reduce方法
//<hello,{1,1,1,1,1,1,1}>
@Override
protected void reduce(Text key,Iterable<LongWritable> values,Context context) throws IOException,InterruptedException{
long count = 0;
//遍历value的list，进行累加求和
for(LongWritable value:values){
count += value.get();
}

//输出这一个单词的统计结果
context.write(key,new LongWritable(count));
}

}

package com.zyf.mr.wordcount;


import java.io.IOException;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;


/**
 * 用来描述一个特定的作业
 * 比如,该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定作业输出的结果放到哪个路径
 * @author zyf
 *
 */
public class WCRunner{
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{
Configuration conf = new Configuration();
Job wcjob = Job.getInstance(conf);


//设置整个job所用的那些类在哪个jar包
wcjob.setJarByClass(WCRunner.class);




wcjob.setMapperClass(WCMapper.class);
wcjob.setReducerClass(WCReducer.class);


//指定reduce的输出数据kv类型
wcjob.setOutputKeyClass(Text.class);
wcjob.setOutputValueClass(LongWritable.class);


//指定mapper的输出数据kv类型
wcjob.setMapOutputKeyClass(Text.class);
wcjob.setMapOutputValueClass(LongWritable.class);


//指定要处理的输入数据存放路径
FileInputFormat.setInputPaths(wcjob,new Path("hdfs://192.168.1.199:8020/input/"));


//指定处理结果的输入数据存放路径
FileOutputFormat.setOutputPath(wcjob,new Path("hdfs://192.168.1.199:8020/output2/"));


wcjob.waitForCompletion(true);
}


}