1.環境配置：
a.將map reduce所需架包全部載入到eclipse下，
b.將
鍵：HADOOP_USER_NAME
值：hadoop
配置到系統環境中，需要重新啟動。
c.將架包hadoop-eclipse-plugin-2.7.1.jar放入eclipse安裝目錄的plugin下。
下載winutils.exe將下載下的hadoop.dll和winutils.exe放到hadoop-2.7.5/bin下
下載地址
d.配置eclipse。windows–>pref..–>hadoop map/reduce–>在路徑下新增hadoop-2.7.1的路徑
e pre…–>show –>mapreduce tool—>點選小象–>配置ip和埠（9000）

2.Java程式碼進行操做
——————————-map類的API操作——————–

package www.oeacle.wc;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import
 
 org.apache.hadoop.mapreduce.Mapper;
/*
 * KEYIN:輸入鍵的型別，者一行的開始的偏移量：long（每一行的第一個的字，位於第幾個，就是此行的偏移量）
 * VALUEIN, 輸入的值的型別。在這裡當前行的內容，String
 * KEYOUT, 輸出的鍵值對的型別，每一個單詞，String
 * VALUEOUT，輸出的值的型別，表示單詞標記一個1，int
 * map乾的事就是，將單詞分隔出來，然後進行將每個單詞標記1
 * map的資料要網路傳輸，所以需要序列化，實現介面Serializabler,
 * 但是這個方式的序列化太過冗餘，所以Hadoop提供了自己的序列化方式
 * 序列化介面叫：Writable,並且常用資料型別幫你序列化了。
 * 常用資料烈性對應的序列化格式
 * byte--ByteWritable
 * short--ShortWirtable
 * int IntWirtable
 * long--同上
 * double--同上
 * String--Text
 * null--同上
 * 就String不一樣
 * 
 */
 

public class WorldCountMap extends Mapper<LongWritable, Text, Text, IntWritable>{
    /**
     * 這個函式一行呼叫一次
     * LongWritable key;輸入鍵，偏移量
     * Text value：輸入的值，一行的內容
     * Context:是上下文的物件，用育傳輸map的處理結果，提供Write方法
     */
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        //1.取到一行的內容
        String line=value.toString();
        //2.切分
        String [] words=line.split(" ");
        //3.迴圈遍歷打標記併發送
        for (String w : words) {
            context.write(new Text(w), new IntWritable(1));
        }
    }
}
-----------------------reduce類的API操作------------------------------
package www.oeacle.wc;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
/*
 * reduce的輸入其實是map的輸出
 * 
 */
public class WordCoountReduce extends Reducer<Text, IntWritable, Text, IntWritable>{
    /**
     * ruduce處理的最終結果儲存在hdfs
     * 多久呼叫一次這個方法：一組呼叫一次方法
     * 啥是一組：把key相同一類就是一組
     * Text arg0：這一組的第一個key
     * Iterable<IntWritable> arg1,這一組所有key對應的value值封裝在迭代器中
     * Iterable<IntWritable> arg1,上下文物件，也是傳輸作用，往hdfs進行寫
     * 
     */
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,
            Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        //1.定義一個求和變數
        int sum=0;
        //迴圈遍歷迭代器進行求和
        for (IntWritable value : values) {
            sum+=value.get();
        }
        context.write(key,new IntWritable(sum));
    }
}
--------------------------------主函式的類--------------------
package www.oeacle.wc;

import java.io.IOException;

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;



public class Driver {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //1.獲取Configuration物件
        Configuration conf=new Configuration();
        //2.需要建立一個任務，啟動一個job,一個程式就是一個作業
        Job job=Job.getInstance(conf);
        //3.設定job提交的jar包
        job.setJarByClass(Driver.class);//內部是一個反射機制
        //4.設定map和reduce對應的類
        job.setMapperClass(WorldCountMap.class);
        job.setReducerClass(WordCoountReduce.class);
        //5.設定map輸出的鍵和值的型別
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //6.最終結果輸出的值
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        //7.指頂輸入路徑和輸出路徑
        FileInputFormat.addInputPath(job, new Path("/wcin"));//指定一個路徑
        //最終輸出路徑要求不能存在，怕覆蓋原始檔案
        FileOutputFormat.setOutputPath(job, new Path("/wcout"));
//      job.submit();
        job.waitForCompletion(true);
    }

}