(转载)Hadoop示例程序WordCount详解

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: 2024-11-14 18:22:02

(转载)Hadoop示例程序WordCount详解的相关文章

Hadoop示例程序WordCount详解及实例(转)

1.图解MapReduce 2.简历过程: Input: Hello World Bye World Hello Hadoop Bye Hadoop Bye Hadoop Hello Hadoop Map: <Hello,1> <World,1> <Bye,1> <World,1> <Hello,1> <Hadoop,1> <Bye,1> <Hadoop,1> <Bye,1> <Hadoop,

Hadoop集群WordCount详解

Hadoop集群WordCount详解 MapReduce理论介绍 MapReduce处理过程 MapReduce代码 1.MapReduce 理论介绍 1.1 MapReduce编程模型 MapReduce采用"分而治之"的思想,把对大规模数据集的操作,分发给一个主节点管理下的各个分节点共同完成,然后通过整合各个节点的中间结果,得到最终结果.简单地说,MapReduce就是"任务的分解与结果的汇总". 在Hadoop中,用于执行MapReduce任务的机器角色有两

JStorm第一个程序WordCount详解

一.Strom基本知识(回顾) 1,首先明确Storm各个组件的作用,包括Nimbus,Supervisor,Spout,Bolt,Task,Worker,Tuple nimbus是整个storm任务的管理者,并不实际进行工作.负责在集群中分发代码,对节点分配任务,并监视主机故障. supervisor是实际进行工作的节点,负责监听工作节点上已经分配的主机作业,启动和停止Nimbus已经分配的工作进程. Worker是具体处理Spout/Bolt逻辑的进程,worker数量由拓扑中的conf.s

Hadoop示例程序wordcount分析

wordcount作为Hadoop的示例程序,其思想很简洁,但也值得去理解 尤其是作为Hadoop菜鸟的我 wordcount程序如下: package com.lcy.hadoop.examples; import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import

运行Hadoop示例程序WordCount

WordCount程序的目标是统计几个文件中每个单词出现的次数,是官方提供的示例程序,这里使用的hadoop的版本为hadoop-1.2.1. 1).首先编写代码,将WordCount.java文件放到wordcount_classes文件夹中,代码如下: import java.io.IOException; import java.util.*; import org.apache.hadoop.fs.Path; import org.apache.hadoop.conf.*; import

Hadoop WordCount详解(二)

Hadoop集群WordCount详解(二) 源代码程序 WordCount处理过程 具体代码讲解 1.源代码程序 package org.apache.hadoop.examples; import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.examples.WordCount.Token

5.hadoop流原理、实例和新旧API下Wordcount详解

前四篇文章讲了Hadoop的配置和测试以及eclipse下的使用,有兴趣的可以先看下. 1.Hadoop流简介 用可执行文件作为Mapper和Reducer,接受的都是标准输入,输出的都是标准输出. 当一个可执行文件作为Mapper时,每一个Map任务会以一个独立的进程启动这个可执行文件,然后在Map任务运行时,会把输入切分成行提供给可 执行文件,并作为它的标准输入(stdin)内容.当可执行文件运行出结果时,Map从标准输出(stdout)中收集数据,并将其转化 为<key, value>对

Hadoop Hive sql语法详解

Hive 是基于Hadoop 构建的一套数据仓库分析系统,它提供了丰富的SQL查询方式来分析存储在Hadoop 分布式文件系统中的数据,可以将结构化的数据文件映射为一张数据库表,并提供完整的SQL查询功能,可以将SQL语句转换为MapReduce任务进行运行,通过自己的SQL 去查询分析需要的内容,这套SQL 简称Hive SQL,使不熟悉mapreduce 的用户很方便的利用SQL 语言查询,汇总,分析数据.而mapreduce开发人员可以把己写的mapper 和reducer 作为插件来支持

hadoop应用开发技术详解

<大 数据技术丛书:Hadoop应用开发技术详解>共12章.第1-2章详细地介绍了Hadoop的生态系统.关键技术以及安装和配置:第3章是 MapReduce的使用入门,让读者了解整个开发过程:第4-5章详细讲解了分布式文件系统HDFS和Hadoop的文件I/O:第6章分析了 MapReduce的工作原理:第7章讲解了如何利用Eclipse来编译Hadoop的源代码,以及如何对Hadoop应用进行测试和调试:第8-9章 细致地讲解了MapReduce的开发方法和高级应用:第10-12章系统地讲