MapReduce编程实战1——WorldCout程序编写
//mapreduce程序 import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; 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.output.FileOutputFormat; public class WordCount { /** * TokenizerMapper 继续自 Mapper* * [一个文件就一个map,两个文件就会有两个map] * map[这里读入输入文件内容 以" \t\n\r\f" 进行分割,然后设置 word ==> one 的key/value对] * * @param Object Input key Type: * @param Text Input value Type: * @param Text Output key Type: * @param IntWritable Output value Type: * * Writable的主要特点是它使得Hadoop框架知道对一个Writable类型的对象怎样进行serialize以及deserialize. * WritableComparable在Writable的基础上增加了compareT接口,使得Hadoop框架知道怎样对WritableComparable类型的对象进行排序。 * * @ author liuqingjie * */ public static class TokenizerMapper extends Mapper { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(LongWritable 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); } } } /** * IntSumReducer 继承自 Reducer * * [不管几个Map,都只有一个Reduce,这是一个汇总] * reduce[循环所有的map值,把word ==> one 的key/value对进行汇总] * * 这里的key为Mapper设置的word[每一个key/value都会有一次reduce] * * 当循环结束后,最后的确context就是最后的结果. * * @author liuqingjie * */ 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); } } public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); if (args.length != 2) { System.err.println("请配置路径 "); System.exit(2); } Job job = new Job(conf, "wordcount"); job.setJarByClass(WordCount.class);//主类 job.setMapperClass(TokenizerMapper.class);//mapper job.setReducerClass(IntSumReducer.class);//reducer job.setMapOutputKeyClass(Text.class);//设置map输出数据的关键类 job.setMapOutputValueClass(IntWritable.class);//设置map输出值类 job.setOutputKeyClass(Text.class);//设置作业输出数据的关键类 job.setOutputValueClass(IntWritable.class);//设置作业输出值类 FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//文件输入 FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//文件输出 System.exit(job.waitForCompletion(true) ? 0 : 1);//等待完成退出. } }
创新互联是一家集网站建设,尼泸西企业网站建设,尼泸西品牌网站建设,网站定制,尼泸西网站建设报价,网络营销,网络优化,尼泸西网站推广为一体的创新建站企业,帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿,时刻以成就客户成长自我,坚持不断学习、思考、沉淀、净化自己,让我们为更多的企业打造出实用型网站。
编写过程分析:
(1)数据类型
整型:IntWritable, 这是Hadoop对int的封装
字符串型:Text,这是Hadoop对String的封装
上下文对象:Context,它用来与MapReduce系统进行通信,如把map的结果传给reduce
处理
(2)执行过程
分为两个阶段:map阶段和reduce阶段, 以key/value为输入输出,其中key、value的类型可以由程序员自定义。
map编写:
自定义一个类,继承于基类Mapper,该基类是一个泛型,有4个形参类型:用来指定map函数的输入键、输入值,输出键、输 出值,格式如下:public class Mapper
根据实际需要,重写map函数,函数类型由Mapper指定。每一对
wordcount程序中,map方法中的value值存储的是文本文件中的一行,key值为该行的首字符相对于文本文件首字符的偏移量,在本程序中,key值未使用。StringTokenizer类是将每一行拆分为一个个的单词。
reduce编写:
自定义一个类,继承于基类Reducer,该基类是一个泛型,有4个形参类型:用来指定reduce函数的输入键、输入值,输出键、输出值,格式public class Reducer
根据实际需要,重写reduce方法,方法的类型由Reducer指定。每一个key调用一次reduce方法。
主函数编写:
在主函数中进行作业的配置,主要配置有:
Job job = new Job(conf, "word count"); job.setJarByClass(WordCount.class);//主类 job.setMapperClass(TokenizerMapper.class);//mapper job.setReducerClass(IntSumReducer.class);//reducer job.setMapOutputKeyClass(Text.class);//设置map输出数据的关键类 job.setMapOutputValueClass(IntWritable.class);//设置map输出值类 job.setOutputKeyClass(Text.class);//设置作业输出数据的关键类 job.setOutputValueClass(IntWritable.class);//设置作业输出值类 FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//文件输入 FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//文件输出 System.exit(job.waitForCompletion(true) ? 0 : 1);//等待完成退出.
(3)数据处理过程
1)将文件拆分为splits,并由MapReduce框架自动完成分割,将每一个split分割为
2)每一对
3)Mapper对
4)reduce处理,处理后将新的
当前文章:MapReduce编程实战1——WorldCout程序编写
文章网址:http://myzitong.com/article/pejeed.html