Hadoop示例程序WordCount运行及详解

最近要帮运维做一个日志系统，正好在研究hadoop，但是应用场景好像不是太适合，只要能实现就好了，哈哈。研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。

MapReduce确实是一种新的编程理念。其中为map和reduce函数。先用 map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。OK，直接上代码(加了注解):

package com.felix;

 

import java.io.IOException;

import java.util.Iterator;

import java.util.StringTokenizer;

 

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.IntWritable;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

importorg.apache.hadoop.mapred.FileInputFormat;

import org.apache.hadoop.mapred.FileOutputFormat;

import org.apache.hadoop.mapred.JobClient;

import org.apache.hadoop.mapred.JobConf;

importorg.apache.hadoop.mapred.MapReduceBase;

import org.apache.hadoop.mapred.Mapper;

importorg.apache.hadoop.mapred.OutputCollector;

import org.apache.hadoop.mapred.Reducer;

import org.apache.hadoop.mapred.Reporter;

importorg.apache.hadoop.mapred.TextInputFormat;

importorg.apache.hadoop.mapred.TextOutputFormat;

/**

*

* 描述：WordCount explains by Felix

* @author Hadoop Dev Group

*/

public class WordCount

{

 

/**

* 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 static class Map extendsMapReduceBase implements

Mapper<LongWritable, 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。

*/

private final static IntWritable one = newIntWritable(1);

private Text word = new Text();

 

/**

* 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(LongWritable key, Textvalue,

OutputCollector<Text, IntWritable>output, Reporter reporter)

throws IOException

{

String line = value.toString();

StringTokenizer tokenizer = newStringTokenizer(line);

while (tokenizer.hasMoreTokens())

{

word.set(tokenizer.nextToken());

output.collect(word, one);

}

}

}

 

public static class Reduce extendsMapReduceBase implements

Reducer<Text, IntWritable, Text,IntWritable>

{

public void reduce(Text key,Iterator<IntWritable> values,

OutputCollector<Text, IntWritable>output, Reporter reporter)

throws IOException

{

int sum = 0;

while (values.hasNext())

{

sum += values.next().get();

}

output.collect(key, new IntWritable(sum));

}

}

 

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

*/

JobConf conf = newJobConf(WordCount.class);

conf.setJobName("wordcount"); //设置一个用户定义的job名称

 

conf.setOutputKeyClass(Text.class); //为job的输出数据设置Key类

conf.setOutputValueClass(IntWritable.class);//为job输出设置value类

 

conf.setMapperClass(Map.class); //为job设置Mapper类

conf.setCombinerClass(Reduce.class); //为job设置Combiner类

conf.setReducerClass(Reduce.class); //为job设置Reduce类

 

conf.setInputFormat(TextInputFormat.class);//为map-reduce任务设置InputFormat实现类

conf.setOutputFormat(TextOutputFormat.class);//为map-reduce任务设置OutputFormat实现类

 

/**

* InputFormat描述map-reduce中对job的输入定义

* setInputPaths():为map-reduce job设置路径数组作为输入列表

* setInputPath()：为map-reduce job设置路径数组作为输出列表

*/

FileInputFormat.setInputPaths(conf, newPath(args[0]));

FileOutputFormat.setOutputPath(conf, newPath(args[1]));

 

JobClient.runJob(conf); //运行一个job

}

}

最后附上一张图片，个人认为看图更好理解。

图片来自其他博主: http://blog.csdn.net/recommender_system/article/details/42024205 讲的是MapReduce的工作原理。大家也可以去看一下。挺不错的。