本文主要是介绍Hadoop WordCount详细分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;public class WordCount{整型:IntWritable, 这是Hadoop对int的封装字符串型:Text,这是Hadoop对String的封装LongWritable long的类型封装public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable> {private final IntWritable one = new IntWritable(1); new一个int类型 用来计数,这里是1,private Text word = new Text(); new一个string类型 这是定义两个数据类型public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException{key值为该行的首字符相对于文本文件首字符的偏移量value值存储的是文本文件中的一行Context,上下文对象,它用来与MapReduce系统进行通信,如把map的结果传给reduce处理StringTokenizer itr = new StringTokenizer(value.toString()); StringTokenizer类是将每一行拆分为一个个的单词while (itr.hasMoreTokens()) 用来判断当前还有没有可以遍历的元素 遍历一下每行字符串中的单词{word.set(itr.nextToken());//打印下一个字段或者元素 //出现一个单词就给它设成一个key并将其值设为1context.write(word, one); 增加一个(k,v)对到context 用context.write(key,value)来传递数据one这里是1,所以,输出的(key,value)->(word, one)都是这样的形式:(“单词”,1)。可供之后处理。//输出设成的key/value值}}}public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable>
{private IntWritable result = new IntWritable();reducer将中间输出键值对中那些键相同的合并(内部已经把上面map阶段相同的key进行了合并),值为集合。一个key对应一组value在reduce阶段,每个key传进来,reduce方法都被调用一次传进来的键值对的形式是<key,>,即value不是一个值,而是值的集合。用一个for循环,即可遍历某个key里面的所有值:public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException{int sum = 0;这个for循环将某个key对应的所有的value累加,即某单词出现次数的累加/由于map的打散,这里会得到如,{key,values}={"hello",{1,1,....}},这样的集合for (IntWritable val : values) {sum += val.get(); //这里需要逐一将它们的value取出来予以相加,取得总的出现次数,即为汇和}result.set(sum);context.write(key, result); context.write(key,result)就把某单词出现的次数输出了 result是单词的次数}}public static void main(String[] args) throws Exception {Configuration conf = new Configuration();Job job = new Job(conf, "word count");job.setJarByClass(WordCount.class);job.setMapperClass(TokenizerMapper.class);job.setCombinerClass(IntSumReducer.class);job.setReducerClass(IntSumReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(otherArgs[0]));FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}
----------------------------------------------------------------------------------------------------------
Configuration conf = new Configuration(); //取得系统的参数
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 2) {
//判断一下命令行输入路径/输出路径是否齐全,即是否为两个参数
System.err.println("Usage: wordcount <in> <out>");
System.exit(2); //若非两个参数,即退出
}
Job job = new Job(conf, "word count");
//此程序的执行,在hadoop看来是一个Job,故进行初始化job操作
job.setJarByClass(Wordcount.class);
//可以认为成,此程序要执行MyWordCount.class这个字节码文件
job.setMapperClass(TokenizerMapper.class);
//在这个job中,我用TokenizerMapper这个类的map函数
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
//在这个job中,我用IntSumReducer这个类的reduce函数
job.setOutputKeyClass(Text.class);
//在reduce的输出时,key的输出类型为Text
job.setOutputValueClass(IntWritable.class);
//在reduce的输出时,value的输出类型为IntWritable
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
//初始化要计算word的文件的路径
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
//初始化要计算word的文件的之后的结果的输出路径
System.exit(job.waitForCompletion(true) ? 0 : 1);
//提交job到hadoop上去执行了,意思是指如果这个job真正的执行完了则主函数退出了,若没有真正的执行完就退出了。
}
}
这篇关于Hadoop WordCount详细分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!