一步一步学习hadoop（三）

    学东西都是从例子开始是最好的，从hadoop的一个简单的mapreduce作业开始

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.util.GenericOptionsParser;public class WordCount {  public static class TokenizerMapper       extends Mapper<Object, Text, Text, IntWritable>{        private final static IntWritable one = new IntWritable(1);    private Text word = new Text();          public void map(Object key, Text value, Context context                    ) throws IOException, InterruptedException {      StringTokenizer itr = new StringTokenizer(value.toString());      while (itr.hasMoreTokens()) {        word.set(itr.nextToken());        context.write(word, one);      }    }  }   public static class IntSumReducer       extends 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 {    Configuration conf = new Configuration();    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();    if (otherArgs.length != 2) {      System.err.println("Usage: wordcount <in> <out>");      System.exit(2);    }    Job job = new Job(conf, "word count");    job.setJarByClass(WordCount.class);    job.setMapperClass(TokenizerMapper.class);    job.setReducerClass(IntSumReducer.class);    job.setOutputKeyClass(Text.class);    job.setOutputValueClass(IntWritable.class);    FileInputFormat.addInputPath(job, new Path(otherArgs[0]));    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));    System.exit(job.waitForCompletion(true) ? 0 : 1);  }}

这个例子非常简单，读取输入的文件，统计所有文件里的单词的出现次数。
下面分析一下这段代码，阐述hadoop的基础的作业定制步骤。
hadoop的作业定制由三个基本步骤（以后还会介绍更加高级的定制，hadoop设计非常灵活，可以在作业的各个部分插入自己的代码，实现自己的个性化定制，这些都是后话，留待以后介绍）
1.实现map函数，将要分析的数据解析为自己想要的格式。map函数的输入是key/value对，设为k1,v1,map函数的输出也是key/value对设为k2,v2。k1,v1和k2,v2可以是各种hadoop预定义的类型或者自己实现的类型。
该例子中是TokenizerMapper，将Object/Text输入值解析为单词/1的键值对，然后使用context保存为map的输出
2.实现reduce函数，将多个mapper汇集的同一个键值的values进行合并处理，该例子中的IntSumReducer实现对多个mapper传过来的同一个单词的出现次数进行求和，得出一个单词的总出现次数。
3.作业配置和运行。
   创建作业对象job，
   设置该作业的运行类，这里是WordCount.class,
   设置mapper类，
   设置reducer类，
   设置输出键类型，
   设置输出值类型（如果mapper的输出键值类型和reducer的输出键值对应不上则需设置mapper的输出键值类型）
   设置作业处理的输入文件
   设置作业输出结果的保存目录（该目录必须在hdfs系统中不存在，存在的话作业不会运行）
   运行作业
4.将程序打包为jar格式，然后使用hadoop jar命令运行程序

这里只是给大家一个基本的hadoop的mapredu程序的直观印象，马上开始深入hadoop的体系架构，介绍hadoop的mapreduce的工作原理。