hadoop自带wordcount代码详解

http://blog.csdn.net/superman_xxx/article/details/51553120

package cn.chinahadoop;import java.io.IOException;import java.util.StringTokenizer;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.Mapper;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat;import org.apache.hadoop.util.GenericOptionsParser;public classWordCount {/** * 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） * Mapper接口： * 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。 * Reporter 则可用于报告整个应用的运行进度，本例中未使用。 * */ public staticclassTokenizerMapperextends Mapper<Object, Text, Text, IntWritable>{ /** * 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， * 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。 */privatefinal static IntWritable one = new IntWritable(1);private Text word = new Text();//Text 实现了BinaryComparable类可以作为key值/** * Mapper接口中的map方法： * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter) * 映射一个单个的输入k/v对到一个中间的k/v对 * 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。 * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output */ public void map(Object key, Text value, Context context)throws IOException, InterruptedException { /** * 原始数据： * c++ java hello world java hello you me too map阶段，数据如下形式作为map的输入值：key为偏移量 0 c++ java hello 16 world java hello 34 you me too *//** * 以下解析键值对 * 解析后以键值对格式形成输出数据 * 格式如下：前者是键排好序的，后者数字是值 * c++ 1 * java 1 * hello 1 * world 1 * java 1 * hello 1 * you 1 * me 1 * too 1 * 这些数据作为reduce的输出数据 */ StringTokenizer itr =new StringTokenizer(value.toString());//得到什么值//System.out.println("value什么东西 ： "+value.toString());//System.out.println("key什么东西 ： "+key.toString());while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public staticclassIntSumReducerextendsReducer<Text,IntWritable,IntWritable,Text> {private IntWritable result = new IntWritable(); /** * reduce过程是对输入数据解析形成如下格式数据： * (c++ [1]) * (java [1,1]) * (hello [1,1]) * (world [1]) * (you [1]) * (me [1]) * (you [1]) * 供接下来的实现的reduce程序分析数据数据 * */ public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0;/** * 自己的实现的reduce方法分析输入数据 * 形成数据格式如下并存储 * c++ 1 * hello 2 * java 2 * me 1 * too 1 * world 1 * you 1 * */for (IntWritable val : values) { sum += val.get(); } result.set(sum); context.write(result, key); } } public static classIntSumCombiner//Combinerextends Reducer<Text,IntWritable,Text,IntWritable>{ private IntWritable result = new IntWritable(); public void reduce(Text key,Iterable<IntWritable> values, Context context )throws IOException,InterruptedException{ int sum=0;for (IntWritable val : values){ sum += val.get(); } result.set(sum); context.write(key,result); } } public static void main(String[] args)throws Exception { /** * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作 * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等 */ Configuration conf =new Configuration(); String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); //这里需要配置参数即输入和输出的HDFS的文件路径if (otherArgs.length != 2) { System.err.println("Usage: wordcount <in> <out>"); System.exit(2); } // JobConf conf1 = new JobConf(WordCount.class); Job job = new Job(conf, "word count");//Job(Configuration conf, String jobName) 设置job名称和 job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class);//为job设置Mapper类job.setCombinerClass(IntSumReducer.class);//为job设置Combiner类job.setReducerClass(IntSumReducer.class);//为job设置Reduce类job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); job.setOutputKeyClass(IntWritable.class);//设置输出key的类型 job.setOutputValueClass(Text.class);// 设置输出value的类型 job.setOutputFormatClass(SequenceFileOutputFormat.class); FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//为map-reduce任务设置InputFormat实现类 设置输入路径 FileOutputFormat.setOutputPath(job,new Path(otherArgs[1]));//为map-reduce任务设置OutputFormat实现类 设置输出路径 System.exit(job.waitForCompletion(true) ? 0 : 1); }}