hadoop（四）、MapperReduce入门Wordcount案例

客官°小女子只卖身不卖艺 2022-03-10 13:40 195阅读 0赞

WordCount程序分为三个部分，，当然在计算模型里面只有mapper任务和reduce任务，这里我们加入一个驱动程序即Runner类。

（1）WorkCountMapper的代码

package com.zaiou.hadoop.MrWordCount;
    
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.LongWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;
    
    import java.io.IOException;
    
    /**
     * @Description: MapperReduce WordCount案例
     * KEYIN 默认情况下，是mr框架所读到的一行文本的起始偏移量，
     *       Long,但是在hadoop中有自己更精简的序列化接口，所以不直接用Long,用LongWritable
     * VALUEIN 默认情况下，是mr框架所读到的一行文本的内容，String
     * KEYOUT  是用户自定义逻辑处理完之后输出数据中的key,String
     * VALUEOUT 用户自定义逻辑处理完之后输出数据中的value, Integer
     * @auther: LB 2019/3/8 09:01
     * @modify: LB 2019/3/8 09:01
     */
    public class WorkCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    
        /**
         * mapper阶段的自定义逻辑就写在自定义的map方法中
         * maptask 会对每一行输入的数据调用一次我们自定义的map
         * @param key
         * @param value
         * @param context
         * @throws IOException
         * @throws InterruptedException
         */
        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            //将maptsk装给我们的文本内容转换成String
            String line = value.toString();
            //根据空格将这一行切分成单词
            String[] works = line.split(" ");
            //将单词输出为 <单词，1>
            for (String work : works){
                System.out.println("单词: "+work);
                //将单词作为key,将value作为value,以便于后续的数据分发，可以根据单词分发，以便相同的单词会到相同的reduce task
                context.write(new Text(work),new IntWritable(1));
            }
        }
    }

（2）WorkCountReducer的代码

package com.zaiou.hadoop.MrWordCount;
    
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;
    
    import java.io.IOException;
    
    /**
     * @Description:
     *  KEYIN, VALUEIN对应mapper输出的KEYOUT, VALUEOUT类型对应
     *  KEYOUT 是单词
     *  VALUEOUT 是总次数
     * @auther: LB 2019/3/8 11:04
     * @modify: LB 2019/3/8 11:04
     */
    public class WorkCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        /**
         * 入参key,是一组相同单词kv对应的key
         * @param key
         * @param values
         * @param context
         * @throws IOException
         * @throws InterruptedException
         */
        @Override
        protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int count=0;
            for (IntWritable value : values){
                count+=value.get();
            }
            context.write(key, new IntWritable(count));
        }
    }

（3）WorkCountRunner的代码

package com.zaiou.hadoop.MrWordCount;
    
    import org.apache.hadoop.conf.Configuration;
    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.lib.input.FileInputFormat;
    import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    
    
    /**
     * @Description:相当于一个yarn集群的客户端
     *  需要在此封装我们的mr程序的相关运行参数，指定jar包
     * @auther: LB 2019/3/8 11:35
     * @modify: LB 2019/3/8 11:35
     */
    public class WorkCountRunner {
    
        public static void main(String[] args) throws  Exception{
    
            //构造一个配置对象，读取配置文件，或者往该对象中设值
            Configuration conf = new Configuration();
            //建job对象，用来描述本任务的相关信息
            Job job = Job.getInstance(conf);
            //指定本程序jar所在路径
            job.setJarByClass(WorkCountRunner.class);
    
            //指定本业务的job要使用的Mapper/Reducer业务类
            job.setMapperClass(WorkCountMapper.class);
            job.setReducerClass(WorkCountReducer.class);
    
            //指定本job中mapper输出的kv类型
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(IntWritable.class);
    
            //指定本job中reduce输出的kv类型
            job.setOutputKeyClass(Text.class);
            job.setOutputValueClass(IntWritable.class);
    
            //指定job原始文件所在目录
            FileInputFormat.setInputPaths(job, new Path(args[0]));
            //指定job输出结果所在目录
            FileOutputFormat.setOutputPath(job, new Path(args[1]));
    
            //将job中相关配置的参数，以及job所用的java类所在的jar包，提交给yarn去运行
            boolean res=job.waitForCompletion(true);
            System.exit(res?0:1);
        }
    }

（4）我的是maven项目，需要在pom.xml文件中修改

（5）运行wordcount程序  
a>上传 jar包到 liuux文件夹  
b>hafs创建文件夹 /wordcount/input  
c>执行程序

hadoop jar hadoop-study-1.0-SNAPSHOT.jar com.zaiou.hadoop.MrWordCount.WorkCountRunner /wordcount/input  /wordcount/output

参考文档:  
[https://blog.csdn.net/milhua/article/details/79003640][https_blog.csdn.net_milhua_article_details_79003640]

[https_blog.csdn.net_milhua_article_details_79003640]: https://blog.csdn.net/milhua/article/details/79003640