最近在学习云计算，研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。
其实WordCount并不难，只是一下子接触到了很多的API，有一些陌生，还有就是很传统的开发相比，map-reduce确实是一种新的编程理念，为了让各位新手少走弯路，我将WordCount中的很多API都做了注释，其实这些方法搞明白了以后程序就很简单了，无非就是将一句话分词，先用map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。好了，不废话，直接上代码：
1 package com.felix;
2
3 import java.io.IOException;
4 import java.util.Iterator;
5 import java.util.StringTokenizer;
6
7 import org.apache.hadoop.fs.Path;
8 import org.apache.hadoop.io.IntWritable;
9 import org.apache.hadoop.io.LongWritable;
10 import org.apache.hadoop.io.Text;
11 import org.apache.hadoop.mapred.FileInputFormat;
12 import org.apache.hadoop.mapred.FileOutputFormat;
13 import org.apache.hadoop.mapred.JobClient;
14 import org.apache.hadoop.mapred.JobConf;
15 import org.apache.hadoop.mapred.MapReduceBase;
16 import org.apache.hadoop.mapred.Mapper;
17 import org.apache.hadoop.mapred.OutputCollector;
18 import org.apache.hadoop.mapred.Reducer;
19 import org.apache.hadoop.mapred.Reporter;
20 import org.apache.hadoop.mapred.TextInputFormat;
21 import org.apache.hadoop.mapred.TextOutputFormat;
22 /**
23 *
24 * 描述：WordCount explains by Felix
25 * @author Hadoop Dev Group
26 */
27 public class WordCount
28 {
29
30 /**
31 * MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）
32 * Mapper接口：
33 * WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。
34 * Reporter 则可用于报告整个应用的运行进度，本例中未使用。
35 *
36 */
37 public static class Map extends MapReduceBase implements
38 Mapper<LongWritable, Text, Text, IntWritable>
39 {
40 /**
41 * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，
42 * 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。
43 */
44 private final static IntWritable one = new IntWritable(1);
45 private Text word = new Text();
46
47 /**
48 * Mapper接口中的map方法：
49 * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
50 * 映射一个单个的输入k/v对到一个中间的k/v对
51 * 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。
52 * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。
53 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
54 */
55 public void map(LongWritable key, Text value,
56 OutputCollector<Text, IntWritable> output, Reporter reporter)
57 throws IOException
58 {
59 String line = value.toString();
60 StringTokenizer tokenizer = new StringTokenizer(line);
61 while (tokenizer.hasMoreTokens())
62 {
63 word.set(tokenizer.nextToken());
64 output.collect(word, one);
65 }
66 }
67 }
68
69 public static class Reduce extends MapReduceBase implements
70 Reducer<Text, IntWritable, Text, IntWritable>
71 {
72 public void reduce(Text key, Iterator<IntWritable> values,
73 OutputCollector<Text, IntWritable> output, Reporter reporter)
74 throws IOException
75 {
76 int sum = 0;
77 while (values.hasNext())
78 {
79 sum += values.next().get();
80 }
81 output.collect(key, new IntWritable(sum));
82 }
83 }
84
85 public static void main(String[] args) throws Exception
86 {
87 /**
88 * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
89 * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
90 */
91 JobConf conf = new JobConf(WordCount.class);
92 conf.setJobName("wordcount"); //设置一个用户定义的job名称
93
94 conf.setOutputKeyClass(Text.class); //为job的输出数据设置Key类
95 conf.setOutputValueClass(IntWritable.class); //为job输出设置value类
96
97 conf.setMapperClass(Map.class); //为job设置Mapper类
98 conf.setCombinerClass(Reduce.class); //为job设置Combiner类
99 conf.setReducerClass(Reduce.class); //为job设置Reduce类
100
101 conf.setInputFormat(TextInputFormat.class); //为map-reduce任务设置InputFormat实现类
102 conf.setOutputFormat(TextOutputFormat.class); //为map-reduce任务设置OutputFormat实现类
103
104 /**
105 * InputFormat描述map-reduce中对job的输入定义
106 * setInputPaths():为map-reduce job设置路径数组作为输入列表
107 * setInputPath()：为map-reduce job设置路径数组作为输出列表
108 */
109 FileInputFormat.setInputPaths(conf, new Path(args[0]));
110 FileOutputFormat.setOutputPath(conf, new Path(args[1]));
111
112 JobClient.runJob(conf); //运行一个job
113 }
114 }
(文章转自：http://www.iteye.com/topic/606962)
时间： 2024-08-28 21:15:21