注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

zjcjack的博客

 
 
 

日志

 
 

Hadoop示例程序WordCount详解  

2012-06-22 21:02:59|  分类: hadoop |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |

 最近在学习云计算,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。

    其实WordCount并不难,只是一下子接触到了很多的API,有一些陌生,还有就是很传统的开发相比,map-reduce确实是一种新的编程理念,为了让各位新手少走弯路,我将WordCount中的很多API都做了注释,其实这些方法搞明白了以后程序就很简单了,无非就是将一句话分词,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。好了,不废话,直接上代码:



  1. package com.felix;  
  2.   
  3. import java.io.IOException;  
  4. import java.util.Iterator;  
  5. import java.util.StringTokenizer;  
  6.   
  7. import org.apache.hadoop.fs.Path;  
  8. import org.apache.hadoop.io.IntWritable;  
  9. import org.apache.hadoop.io.LongWritable;  
  10. import org.apache.hadoop.io.Text;  
  11. import org.apache.hadoop.mapred.FileInputFormat;  
  12. import org.apache.hadoop.mapred.FileOutputFormat;  
  13. import org.apache.hadoop.mapred.JobClient;  
  14. import org.apache.hadoop.mapred.JobConf;  
  15. import org.apache.hadoop.mapred.MapReduceBase;  
  16. import org.apache.hadoop.mapred.Mapper;  
  17. import org.apache.hadoop.mapred.OutputCollector;  
  18. import org.apache.hadoop.mapred.Reducer;  
  19. import org.apache.hadoop.mapred.Reporter;  
  20. import org.apache.hadoop.mapred.TextInputFormat;  
  21. import org.apache.hadoop.mapred.TextOutputFormat;  
  22. /** 
  23.  *  
  24.  * 描述:WordCount explains by Felix 
  25.  * @author Hadoop Dev Group 
  26.  */  
  27. public class WordCount  
  28. {  
  29.   
  30.     /** 
  31.      * 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) 
  32.      * Mapper接口: 
  33.      * 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。 
  34.      * Reporter 则可用于报告整个应用的运行进度,本例中未使用。  
  35.      *  
  36.      */  
  37.     public static class Map extends MapReduceBase implements  
  38.             Mapper<LongWritable, Text, Text, IntWritable>  
  39.     {  
  40.         /** 
  41.          * 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, 
  42.          * 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。 
  43.          */  
  44.         private final static IntWritable one = new IntWritable(1);  
  45.         private Text word = new Text();  
  46.           
  47.         /** 
  48.          * Mapper接口中的map方法: 
  49.          * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter) 
  50.          * 映射一个单个的输入k/v对到一个中间的k/v对 
  51.          * 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。 
  52.          * OutputCollector接口:收集Mapper和Reducer输出的<k,v>对。 
  53.          * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output 
  54.          */  
  55.         public void map(LongWritable key, Text value,  
  56.                 OutputCollector<Text, IntWritable> output, Reporter reporter)  
  57.                 throws IOException  
  58.         {  
  59.             String line = value.toString();  
  60.             StringTokenizer tokenizer = new StringTokenizer(line);  
  61.             while (tokenizer.hasMoreTokens())  
  62.             {  
  63.                 word.set(tokenizer.nextToken());  
  64.                 output.collect(word, one);  
  65.             }  
  66.         }  
  67.     }  
  68.   
  69.     public static class Reduce extends MapReduceBase implements  
  70.             Reducer<Text, IntWritable, Text, IntWritable>  
  71.     {  
  72.         public void reduce(Text key, Iterator<IntWritable> values,  
  73.                 OutputCollector<Text, IntWritable> output, Reporter reporter)  
  74.                 throws IOException  
  75.         {  
  76.             int sum = 0;  
  77.             while (values.hasNext())  
  78.             {  
  79.                 sum += values.next().get();  
  80.             }  
  81.             output.collect(key, new IntWritable(sum));  
  82.         }  
  83.     }  
  84.   
  85.     public static void main(String[] args) throws Exception  
  86.     {  
  87.         /** 
  88.          * JobConf:map/reduce的job配置类,向hadoop框架描述map-reduce执行的工作 
  89.          * 构造方法:JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等 
  90.          */  
  91.         JobConf conf = new JobConf(WordCount.class);  
  92.         conf.setJobName("wordcount");           //设置一个用户定义的job名称  
  93.   
  94.         conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类  
  95.         conf.setOutputValueClass(IntWritable.class);   //为job输出设置value类  
  96.   
  97.         conf.setMapperClass(Map.class);         //为job设置Mapper类  
  98.         conf.setCombinerClass(Reduce.class);      //为job设置Combiner类  
  99.         conf.setReducerClass(Reduce.class);        //为job设置Reduce类  
  100.   
  101.         conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类  
  102.         conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类  
  103.   
  104.         /** 
  105.          * InputFormat描述map-reduce中对job的输入定义 
  106.          * setInputPaths():为map-reduce job设置路径数组作为输入列表 
  107.          * setInputPath():为map-reduce job设置路径数组作为输出列表 
  108.          */  
  109.         FileInputFormat.setInputPaths(conf, new Path(args[0]));  
  110.         FileOutputFormat.setOutputPath(conf, new Path(args[1]));  
  111.   
  112.         JobClient.runJob(conf);         //运行一个job  
  113.     }  
  114. }  


  评论这张
 
阅读(919)| 评论(0)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017