一個mapreduce例項加註釋
阿新 • • 發佈:2019-02-14
1.WCMapper.java
package cn.itcast.hadoop.mr.wordcount; import java.io.IOException; import org.apache.commons.lang.StringUtils; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; //4個泛型中,前兩個是指定mapper輸入資料的型別,KEYIN是輸入的key的型別,VALUEIN是輸入的value的型別 //map 和 reduce 的資料輸入輸出都是以 key-value對的形式封裝的 //預設情況下,框架傳遞給我們的mapper的輸入資料中,key是要處理的文字中一行的起始偏移量,這一行的內容作為value public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{ //mapreduce框架每讀一行資料就呼叫一次該方法 @Override protected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException { //具體業務邏輯就寫在這個方法體中,而且我們業務要處理的資料已經被框架傳遞進來,在方法的引數中 key-value //key 是這一行資料的起始偏移量 value 是這一行的文字內容 //將這一行的內容轉換成string型別 String line = value.toString(); //對這一行的文字按特定分隔符切分 String[] words = StringUtils.split(line, " "); //遍歷這個單詞陣列輸出為kv形式 k:單詞 v : 1 for(String word : words){ context.write(new Text(word), new LongWritable(1)); } } }
2.WCReducer.java
package cn.itcast.hadoop.mr.wordcount; import java.io.IOException; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{ //框架在map處理完成之後,將所有kv對快取起來,進行分組,然後傳遞一個組<key,valus{}>,呼叫一次reduce方法 //<hello,{1,1,1,1,1,1.....}> @Override protected void reduce(Text key, Iterable<LongWritable> values,Context context) throws IOException, InterruptedException { long count = 0; //遍歷value的list,進行累加求和 for(LongWritable value:values){ count += value.get(); } //輸出這一個單詞的統計結果 context.write(key, new LongWritable(count)); } }
3.WCRunner.java
package cn.itcast.hadoop.mr.wordcount; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; 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; /** * 用來描述一個特定的作業 * 比如,該作業使用哪個類作為邏輯處理中的map,哪個作為reduce * 還可以指定該作業要處理的資料所在的路徑 * 還可以指定改作業輸出的結果放到哪個路徑 * .... * * */ public class WCRunner { public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); Job wcjob = Job.getInstance(conf); //設定整個job所用的那些類在哪個jar包 wcjob.setJarByClass(WCRunner.class); //本job使用的mapper和reducer的類 wcjob.setMapperClass(WCMapper.class); wcjob.setReducerClass(WCReducer.class); //指定reduce的輸出資料kv型別 wcjob.setOutputKeyClass(Text.class); wcjob.setOutputValueClass(LongWritable.class); //指定mapper的輸出資料kv型別 wcjob.setMapOutputKeyClass(Text.class); wcjob.setMapOutputValueClass(LongWritable.class); //指定要處理的輸入資料存放路徑 FileInputFormat.setInputPaths(wcjob, new Path("hdfs://weekend110:9000/wc/srcdata/")); //指定處理結果的輸出資料存放路徑 FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://weekend110:9000/wc/output3/")); //將job提交給叢集執行 wcjob.waitForCompletion(true); } }