要统计的文件的文件名为hello
hello中的内容如下
hello you
hello me
通过MapReduce程序统计出文件中的各个单词出现了几次.(两个单词之间通过tab键进行的分割)
1 import java.io.IOException;
2
3 import mapreduce.WordCountApp.WordCountMapper.WordCountReducer;
4
5 import org.apache.hadoop.conf.Configuration;
6 import org.apache.hadoop.fs.Path;
7 import org.apache.hadoop.io.LongWritable;
8 import org.apache.hadoop.io.Text;
9 import org.apache.hadoop.mapreduce.Job;
10 import org.apache.hadoop.mapreduce.Mapper;
11 import org.apache.hadoop.mapreduce.Reducer;
12 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
13 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
14
15 /**
16 * 以文本
17 * hello you
18 * hello me
19 * 为例子.
20 * map方法调用了两次,因为有两行
21 * k2 v2 键值对的数量有几个?
22 * 有4个.有四个单词.
23 *
24 * 会产生几个分组?
25 * 产生3个分组.
26 * 有3个不同的单词.
27 *
28 */
29 public class WordCountApp {
30 public static void main(String[] args) throws Exception {
31 //程序在这里运行,要有驱动.
32 Configuration conf = new Configuration();
33 Job job = Job.getInstance(conf,WordCountApp.class.getSimpleName());
34
35 //我们运行此程序通过运行jar包来执行.一定要有这句话.
36 job.setJarByClass(WordCountApp.class);
37
38 FileInputFormat.setInputPaths(job,args[0]);
39
40 job.setMapperClass(WordCountMapper.class);//设置Map类
41 job.setMapOutputKeyClass(Text.class);//设置Map的key
42 job.setMapOutputValueClass(LongWritable.class);//设置Map的value
43 job.setReducerClass(WordCountReducer.class);//设置Reduce的类
44 job.setOutputKeyClass(Text.class);//设置Reduce的key Reduce这个地方只有输出的参数可以设置. 方法名字也没有Reduce关键字区别于Map
45 job.setOutputValueClass(LongWritable.class);//设置Reduce的value.
46
47 FileOutputFormat.setOutputPath(job, new Path(args[1]));
48 job.waitForCompletion(true);//表示结束了才退出,不结束不退出
49 }
50 /**
51 * 4个泛型的意识
52 * 第一个是LongWritable,固定就是这个类型,表示每一行单词的起始位置(单位是字节)
53 * 第二个是Text,表示每一行的文本内容.
54 * 第三个是Text,表示单词
55 * 第四个是LongWritable,表示单词的出现次数
56 */
57 public static class WordCountMapper extends Mapper<LongWritable, Text, Text ,LongWritable>{
58 Text k2 = new Text();
59 LongWritable v2 = new LongWritable();
60 //增加一个计数器,这个Map调用几次就输出对应的次数.
61 int counter = 0;
62
63
64 /**
65 * key和value表示输入的信息
66 * 每一行文本调用一次map函数
67 */
68 @Override
69 protected void map(LongWritable key, Text value,Mapper<LongWritable, Text, Text, LongWritable>.Context context)
70 throws IOException, InterruptedException {
71 counter = counter + 1;
72 System.out.println("mapper 调用的次数:" + counter);
73 //这个map方法中的Mapper的各个泛型和上面的意识是一样的,分别代表的是k1,v1,k2,v2
74 String line = value.toString();
75 System.out.println(String.format("<k1,v1>的值<"+key.get()+","+line+">"));
76 String[] splited = line.split("\t");
77 for (String word : splited) {
78 k2.set(word);
79 v2.set(1);
80 System.out.println(String.format("<k2,v2>的值<"+k2.toString()+","+v2.get()+">"));
81 context.write(k2, v2);//通过context对象写出去.
82 }
83 }
84 /**
85 * 这个地方的四个泛型的意思
86 * 前两个泛型是对应的Map方法的后两个泛型.
87 * Map的输出对应的是Reduce的输入.
88 * 第一个Text是单词
89 * 第二个LongWritable是单词对应的次数
90 * 我们想输出的也是单词 和 次数
91 * 所以第三个和第四个的类型和第一和第二个的一样
92 *
93 * 分组指的是把相同key2的value2放到一个集合中
94 *
95 */
96 public static class WordCountReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
97 LongWritable v3 = new LongWritable();
98 //增加一个计数器,这个Reduce调用几次就输出对应的次数.
99 int counter = 0;
100
101 /**
102 * 每一个分组调用一次reduce函数
103 * 过来的k2 分别是hello you me
104 *
105 */
106 @Override
107 protected void reduce(Text key2, Iterable<LongWritable> value2Iterable,Reducer<Text, LongWritable, Text,
108 LongWritable>.Context context)
109 throws IOException, InterruptedException {
110 counter = counter + 1;
111 System.out.println("reducer 调用的次数:" + counter);
112 //第一个参数是单词,第二个是可迭代的集合. 为什么上面的LongWritable类型的对象value2变成了一个可以迭代的结合参数?
113 //因为分组指的是把相同key2的value2放到一个集合中
114 long sum = 0L;
115 for (LongWritable value2 : value2Iterable) {
116 System.out.println(String.format("<k2,v2>的值<"+key2.toString()+","+value2.toString()+">"));
117 sum += value2.get(); //这个value2是LongWritable类型的,不能进行+= 操作,要用get()得到其对应的java基本类型.
118 //sum表示单词k2 在整个文本中的出现次数.
119 }
120 v3.set(sum);
121 context.write(key2, v3);
122 System.out.println(String.format("<k3,v3>的值<"+key2.toString()+","+v3.get()+">"));
123 }
124 }
125 }
126 } 通过运行Yarn集群查看Map日志得到的输出结果:
查看Reduce日志产看到的输出结果:
//============================================================================
以下程序是之前的写的:注释更加详细:
1 /*
2 * 一个hello文件内容如下:
3 * hello you
4 * hello me
5 */
6 import java.io.IOException;
7
8 import org.apache.hadoop.conf.Configuration;
9 import org.apache.hadoop.fs.Path;
10 import org.apache.hadoop.io.LongWritable;
11 import org.apache.hadoop.io.Text;
12 import org.apache.hadoop.mapreduce.Job;
13 import org.apache.hadoop.mapreduce.Mapper;
14 import org.apache.hadoop.mapreduce.Reducer;
15 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
16 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
17
18 public class WordCountApp {
19 public static void main(String[] args) throws Exception {
20 // 在main方法写驱动程序,把Map函数和Reduce函数组织在一起.
21 // 搞一个对象把Map对象和Reduce对象都放在这个对象中,我们把这个对象称作Job
22 // 两个形参,一个是Configuration对象,一个是Job的名称,这样获得了一个Job对象;
23 Job job = Job.getInstance(new Configuration(),
24 WordCountApp.class.getSimpleName());
25 // 对这个job进行设置
26 job.setJarByClass(WordCountApp.class);// 通过这个设置可以让框架识别你写的代码
27
28 job.setMapperClass(MyMapper.class);// 把自定义的Map类放到job中
29 job.setMapOutputKeyClass(Text.class);// 定义Map的key的输出类型,Map的输出是<hello,2>
30 job.setMapOutputValueClass(LongWritable.class);// 定义Map的value的输出类型
31
32 job.setReducerClass(MyReducer.class);// 把自定义的Reducer类放到job中
33 job.setOutputKeyClass(Text.class);// 因为Reduce的输出是最终的数据,Reduce的输出是<hello,2>
34 // 所以这个方法名中没有像Map对应的放发一样带有Reduce,直接就是setOutputKeyClass
35 job.setOutputValueClass(LongWritable.class);// 定义reduce的value输出
36
37 FileInputFormat.setInputPaths(job, args[0]);// 输入指定:传入一个job地址.
38 // 这个args[0] 就是新地址,"hdfs://192.168.0.170/hello"
39 FileOutputFormat.setOutputPath(job, new Path(args[1]));
40 // 输出指定
41 // 指定输入和输出路径可以通过在这里写死的方式,也可以通过main函数参数的形式
42 // 分别是args[0]和args[1]
43
44 // 把job上传到yarn平台上.
45 job.waitForCompletion(true);
46 }
47
48 /*
49 * 对于<k1,v1>而言,每一行产生一个<k1,v1>对,<k1,v1>表示<行的起始位置,行的文本内容>
50 * 就本例而言map函数总共调用两次,因为总共只有两行.
51 * 正对要统计的文本内容可以知道总共两行,总共会调用两次Map函数对应产生的<k1,v1>分别是<0,hello you>
52 * 和第二个<k1,v1>是<10,hello me>
53 */
54 private static class MyMapper extends
55 Mapper<LongWritable, Text, Text, LongWritable> {
56 // 这个Mapper的泛型参数是<KEYIN,VALUEIN,KEYOUT,VALUEOUT> 分别对应的是k1,v1,k2,v2
57 // 我们如下讲的k1,v1的类型是固定的.
58 // 就本例而言，map函数会被调用2次,因为总共文本文件就只有两行.
59
60 //要定义输出的k2和v2.本案例中可以分析出<k2,v2>是对文本内容的统计<hello,1><hello,1><you,1><me,1>
61 //而且<k2,v2>的内容是和<k3,v3>中的内容是一样的.
62 Text k2 = new Text();
63 LongWritable v2 = new LongWritable();
64 //重写父类Mapper中的map方法
65 @Override
66 protected void map(LongWritable key, Text value,
67 Mapper<LongWritable, Text, Text, LongWritable>.Context context)
68 throws IOException, InterruptedException {
69 //通过代码或者案例分析就可以知道k1其实没有什么用出的.
70 String line = value.toString();
71 String[] splited = line.split("\t");//根据制表分隔符机进行拆分.hello和me,you之间是一个制表分隔符.
72 for (String word : splited) {
73 k2.set(word);
74 v2.set(1);
75 context.write(k2, v2);
76 //用context把k2,v2写出去,框架会写,不用我们去管.
77 }
78 }
79 }
80
81 private static class MyReducer extends
82 Reducer<Text, LongWritable, Text, LongWritable> {
83 //这个例子中的<k2,v2>和<k3,v3>中的k是一样的,所以这里,k2当做k3了.
84 LongWritable v3 = new LongWritable();
85 @Override
86 protected void reduce(Text k2, Iterable<LongWritable> v2s,
87 Reducer<Text, LongWritable, Text, LongWritable>.Context context)
88 throws IOException, InterruptedException {
89 //Reduce是对上面Map中的结果进行汇总的.
90 //上面拆分出来的<k2,v2>是<hello,1><hello,1><you,1><me,1>Reduce方法中就要对其进行汇总.
91 long sum = 0L;
92 for(LongWritable v2:v2s){
93 sum = sum +v2.get();//sum是long类型,v2是LongWritable类型
94 //LongWritable类型转换成long类型用get()方法.
95 //sum的值表示单词在整个文件中出现的中次数.
96 }
97 v3.set(sum);
98 context.write(k2,v3);
99 }
100 }
101
102 } //===============================================================================
查看日志的时候,代码中的System.out.println()对于Java程序输出到控制台,但是这个地方是把Java类打成Jar包,
放到集群中去通过命令执行的.
输出通过日志查看的.
上面对应的Log Type:stdout
stdout:stdout（Standardoutput）标准输出
| 作者：SummerChill |