Mapreduce实例---统计单词个数（wordcount）

一：问题介绍

统计每一个单词在整个数据集中出现的总次数。

数据流程：

二：需要的jar包

Hadoop-2.4.1\share\hadoop\hdfs\hadoop-hdfs-2.4.1.jar
hadoop-2.4.1\share\hadoop\hdfs\lib\所有jar包

hadoop-2.4.1\share\hadoop\common\hadoop-common-2.4.1.jar
hadoop-2.4.1\share\hadoop\common\lib\所有jar包

hadoop-2.4.1\share\hadoop\mapreduce\除hadoop-mapreduce-examples-2.4.1.jar之外的jar包
hadoop-2.4.1\share\hadoop\mapreduce\lib\所有jar包

三：代码

mapper类实现：

/* * KEYIN：输入kv数据对中key的数据类型 * VALUEIN：输入kv数据对中value的数据类型 * KEYOUT：输出kv数据对中key的数据类型 * VALUEOUT：输出kv数据对中value的数据类型 */public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{/* * map方法是提供给map task进程来调用的，map task进程是每读取一行文本来调用一次我们自定义的map方法 * map task在调用map方法时，传递的参数： * 一行的起始偏移量LongWritable作为key * 一行的文本内容Text作为value */@Overrideprotected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException {//拿到一行文本内容，转换成String 类型String line = value.toString();//将这行文本切分成单词String[] words=line.split(" ");//输出<单词，1>for(String word:words){context.write(new Text(word), new IntWritable(1));}}}

reducer类实现：

/* * KEYIN：对应mapper阶段输出的key类型 * VALUEIN：对应mapper阶段输出的value类型 * KEYOUT：reduce处理完之后输出的结果kv对中key的类型 * VALUEOUT：reduce处理完之后输出的结果kv对中value的类型 */public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{@Override/* * reduce方法提供给reduce task进程来调用 *  * reduce task会将shuffle阶段分发过来的大量kv数据对进行聚合，聚合的机制是相同key的kv对聚合为一组 * 然后reduce task对每一组聚合kv调用一次我们自定义的reduce方法 * 比如：<hello,1><hello,1><hello,1><tom,1><tom,1><tom,1> *  hello组会调用一次reduce方法进行处理，tom组也会调用一次reduce方法进行处理 *  调用时传递的参数： *  key：一组kv中的key *  values：一组kv中所有value的迭代器 */protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {//定义一个计数器int count = 0;//通过value这个迭代器，遍历这一组kv中所有的value，进行累加for(IntWritable value:values){count+=value.get();}//输出这个单词的统计结果context.write(key, new IntWritable(count));}}

job提交客户端实现：

public class WordCountJobSubmitter {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {Configuration conf = new Configuration();Job wordCountJob = Job.getInstance(conf);//重要：指定本job所在的jar包wordCountJob.setJarByClass(WordCountJobSubmitter.class);//设置wordCountJob所用的mapper逻辑类为哪个类wordCountJob.setMapperClass(WordCountMapper.class);//设置wordCountJob所用的reducer逻辑类为哪个类wordCountJob.setReducerClass(WordCountReducer.class);//设置map阶段输出的kv数据类型wordCountJob.setMapOutputKeyClass(Text.class);wordCountJob.setMapOutputValueClass(IntWritable.class);//设置最终输出的kv数据类型wordCountJob.setOutputKeyClass(Text.class);wordCountJob.setOutputValueClass(IntWritable.class);//设置要处理的文本数据所存放的路径FileInputFormat.setInputPaths(wordCountJob, "hdfs://192.168.77.70:9000/wordcount/srcdata/");FileOutputFormat.setOutputPath(wordCountJob, new Path("hdfs://192.168.77.70:9000/wordcount/output/"));//提交job给hadoop集群wordCountJob.waitForCompletion(true);}}

四：操作流程

1、将项目打成jar包上传到虚拟机上

2、创建文本数据

3、将文本数据上传到hdfs

4、运行jar文件

5、结果