WordCount(單詞統計)
原理:如圖
代碼:
1.導入3個jar包:hadoop-common、hadoop-core、hadoop-client
2.Map階段:
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
//繼承Mapper類
/**
Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
*
* KEYIN:表示mapper資料輸入的時候key的資料類型,在預設的讀取資料元件下,叫InputFormat,它的行為是一行一行的讀取待處理的資料
* 讀取一行,傳回一行給程式,這種情況下 keyin就表示每一行的起始偏移量 是以資料類型是Long,一般不改變它的類型
*
* VALUEIN:表述mapper資料輸入的時候value的資料類型,在預設的讀取資料元件下 valuein就表示讀取的這一行内容 是以資料類型是String
*
* KEYOUT 表示mapper資料輸出的時候key的資料類型 在本案例當中 輸出的key是單詞 是以資料類型是 String
*
* VALUEOUT表示mapper資料輸出的時候value的資料類型 在本案例當中 輸出的key是單詞的次數 是以資料類型是 Integer
*
* 這裡所說的資料類型String Long都是jdk自帶的類型 在序列化的時候 效率低下 是以hadoop自己封裝一套資料類型
* long---->LongWritable
* String-->Text
* Integer--->Intwritable
* null-->NullWritable
*
* 互相轉化:以String為例
* String ——> Test new Test(word)
* Test ——> String word.toString()
*/
public class MyMapper extends Mapper<LongWritable,Text,Text,LongWriteable> {
public void map(LongWritable key,Text value,Context context) throws IOException, InterruptedException {
//value為傳入的每一行文本
//按照空格分隔每行文本,變成單詞數組
String[] word = value.toString().split(" ");
//周遊數組中的單詞,每有一個單詞就标記一個數字1
//通過context上下文将資料傳遞到shuffle階段
for(String wd : word){
context.write(new Text(wd),new LongWritanble(1));
}
}
}
3.Reduce階段
//繼承Reducer類
/**
* Reducer<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
*
* KEYIN:就是reducer階段輸入的資料key類型,對應mapper的輸出key類型 在本案例中 就是單詞 Text
*
* VALUEIN就是reducer階段輸入的資料value類型,對應mapper的輸出value類型 在本案例中 就是單詞次數 IntWritable
* .
* KEYOUT就是reducer階段輸出的資料key類型 在本案例中 就是單詞 Text
*
* VALUEOUTreducer階段輸出的資料value類型 在本案例中 就是單詞的總次數 IntWritable
*/
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class MyReduce extends Reducer<Text,LongWritable,Text,LongWritable>{
public void reduce(Text key,iterable<LongWritable> values,Context context) throws IOException, InterruptedException{
long count = 0;
//周遊,将同一個詞的個數相加
for(LongWritable value:values){
//get()方法将LongWritable變為long類型
count += value.get();
}
context.write(key,new Writable(count));
}
}
4.整合
import com.bdqn.wc.MyDriver;
import com.bdqn.wc.MyMapper;
import com.bdqn.wc.Myreduce;
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;
import java.io.IOException;
public class MyDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
Configuration conf = new Configuration();
//準備一個空任務
Job job = Job.getInstance(conf,"wc");
//設定任務主啟動類
job.setJarByClass(MyDriver.class);
//設定任務的輸入資料源
FileInputFormat.addInputPath(job,new Path("d:/abc.txt"));
//設定Mapper任務
job.setMapperClass(MyMapper.class);
//設定Mapper任務類的輸出類型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
//設定Reduce任務類
job.setReducerClass(Myreduce.class);
//設定Reduce任務類的輸出類型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(LongWritable.class);
//設定任務的輸出資料目标(生成的是fff檔案夾)
FileOutputFormat.setOutputPath(job,new Path("d:/fff"));
//送出程式 并且監控列印程式的執行情況、
//隻有job.waitForCompletion也可以
boolean b = job.waitForCompletion(true);
System.exit(b?0:1);
}
}
window下運作結果:
注:在window下運作要先安裝Hadoop