Hadoop WordCount详细分析
来源:互联网 发布:access数据库拆分字段 编辑:程序博客网 时间:2024/06/11 23:25
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 { 整型:IntWritable, 这是Hadoop对int的封装 字符串型:Text,这是Hadoop对String的封装 LongWritable long的类型封装 public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable> { private final IntWritable one = new IntWritable(1); new一个int类型 用来计数,这里是1, private Text word = new Text(); new一个string类型 这是定义两个数据类型 public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { key值为该行的首字符相对于文本文件首字符的偏移量 value值存储的是文本文件中的一行 Context,上下文对象,它用来与MapReduce系统进行通信,如把map的结果传给reduce处理 StringTokenizer itr = new StringTokenizer(value.toString()); StringTokenizer类是将每一行拆分为一个个的单词 while (itr.hasMoreTokens()) 用来判断当前还有没有可以遍历的元素 遍历一下每行字符串中的单词 { word.set(itr.nextToken());//打印下一个字段或者元素 //出现一个单词就给它设成一个key并将其值设为1 context.write(word, one); 增加一个(k,v)对到context 用context.write(key,value)来传递数据 one这里是1,所以,输出的(key,value)->(word, one)都是这样的形式:(“单词”,1)。可供之后处理。 //输出设成的key/value值 } } } public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { private IntWritable result = new IntWritable(); reducer将中间输出键值对中那些键相同的合并(内部已经把上面map阶段相同的key进行了合并),值为集合。一个key对应一组value 在reduce阶段,每个key传进来,reduce方法都被调用一次 传进来的键值对的形式是<key,>,即value不是一个值,而是值的集合。用一个for循环,即可遍历某个key里面的所有值: public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0; 这个for循环将某个key对应的所有的value累加,即某单词出现次数的累加 /由于map的打散,这里会得到如,{key,values}={"hello",{1,1,....}},这样的集合 for (IntWritable val : values) { sum += val.get(); //这里需要逐一将它们的value取出来予以相加,取得总的出现次数,即为汇和 } result.set(sum); context.write(key, result); context.write(key,result)就把某单词出现的次数输出了 result是单词的次数 } } public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); Job job = new Job(conf, "word count"); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.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); }
----------------------------------------------------------------------------------------------------------
Configuration conf = new Configuration(); //取得系统的参数 String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); if (otherArgs.length != 2) { //判断一下命令行输入路径/输出路径是否齐全,即是否为两个参数 System.err.println("Usage: wordcount <in> <out>"); System.exit(2); //若非两个参数,即退出 } Job job = new Job(conf, "word count"); //此程序的执行,在hadoop看来是一个Job,故进行初始化job操作 job.setJarByClass(Wordcount.class); //可以认为成,此程序要执行MyWordCount.class这个字节码文件 job.setMapperClass(TokenizerMapper.class); //在这个job中,我用TokenizerMapper这个类的map函数 job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); //在这个job中,我用IntSumReducer这个类的reduce函数 job.setOutputKeyClass(Text.class); //在reduce的输出时,key的输出类型为Text job.setOutputValueClass(IntWritable.class); //在reduce的输出时,value的输出类型为IntWritable FileInputFormat.addInputPath(job, new Path(otherArgs[0])); //初始化要计算word的文件的路径 FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); //初始化要计算word的文件的之后的结果的输出路径 System.exit(job.waitForCompletion(true) ? 0 : 1); //提交job到hadoop上去执行了,意思是指如果这个job真正的执行完了则主函数退出了,若没有真正的执行完就退出了。 } }
0 0
- Hadoop WordCount详细分析
- Hadoop之MapReduce WordCount详细分析
- hadoop wordcount源代码分析
- hadoop wordcount源代码分析
- hadoop 超详细入门wordcount
- 分析hadoop的WordCount例子
- HADOOP中WORDCOUNT源码分析
- hadoop示例程序wordcount分析
- Hadoop之MapReduce WordCount分析
- hadoop之WordCount源码分析
- Hadoop集群WordCount运行步骤详细图解
- Hadoop WordCount 单词计数示例详细演示
- hadoop实例分析之WordCount单词统计分析
- Hadoop学习笔记-WordCount源码分析
- 学习Hadoop MapReduce与WordCount例子分析
- hadoop实例分析之WordCount单词统计分析
- Hadoop入门—WordCount代码分析
- hadoop教程---WordCount基础程序分析
- 最大子矩阵
- 至少10位数,至少包含一个大写字母,至少一个小写字母,至少一个数字,(:;=*@)特殊字符中的一个正则表达式
- Linux 进程 vs 线程
- sbt常用命令
- 深入分析java线程池的实现原理
- Hadoop WordCount详细分析
- NOI-OpenJudge-2.1-2472子串计算
- Hadoop 自带WordCount 操作步骤
- 2.1 7621硬币面值组合
- 2017-04-09 JS阅读笔记
- 一个安卓项目
- QML做渐变色字体
- JVM学习笔记(二) 实战OutOfMemoryError异常
- 动态规划练习一 02:最大子矩阵