MapReduce开发WordCount程序

x33g5p2x  于2021-03-14 发布在 MapReduce  
字(3.1k)|赞(0)|评价(0)|浏览(589)

一、MapReduce编程模型

:-:

由上图可归纳出WordCount的MapReduceb编程模型,需要注意的如下:

  • 1.Map的输入和Reduce的输出都是HDFS
  • 2.Map的输出是Reduce的输入
  • 3.所有的输入和输出都是key-value,有四对
  • 4. <k2 v2> 和 <k3 v3> 数据类型一致,v3是一个集合,集合中的每个元素就是v2
  • 5.所有的数据类型不能是Java的数据类型,必须是Hadoop的数据类型
    # Hadoop数据类型和Java数据类型转换
       
       String --> Text
       int  --> IntWritable
       long --> LongWritable
       null --> NullWritable
  • 6.因为Hadoop的数据类型都实现了Hadoop的序列化
  • 7.Java的序列化:类的对象(实例)可以作为输入和输出的对象
  • 8.Hadoop的序列化:该类的对象可以作为Map和Reduce的输入和输出

二、编写WordCount程序

[warning] 开发预热工作

  • 使用IDEA工具开发java代码,需要具备Java SE 和IDEA的基础
  • (1)在IDEA中引入所需的jar包,IDEA支持文件夹方式引入
  • (2)代码编写(项目名称以各位同学名称命名)
    • 1.编写Mapper函数
    • 2.编写Reducer函数
    • 3.编写Main函数主入口
  • (3)代码打包
  • (4)程序调试
    • 1.伪分布式调试(仿真)
    • 2.本地主机调试(便捷)

[info] (1)编程需要依赖的Jar包,把所有包放在一个文件夹,在IDEA中引入

//在Hadoop的对应包下面能找到jar包

hadoop-2.7.3/share/hadoop/common/lib
hadoop-2.7.3/share/hadoop/common/
hadoop-2.7.3/share/hadoop/mapreduce/lib
hadoop-2.7.3/share/hadoop/mapreduce/

:-:

[info] (2)编写Mapper代码

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class WordCountMapper extends Mapper<LongWritable, Text, Text, LongWritable> {

   @Override
   protected void map(LongWritable key, Text value, Context context)
         throws IOException, InterruptedException {
      /*
       * key: 输入的key
       * value: 数据   I love Beijing
       * context: Map上下文
       */
      String data= value.toString();
      //分词
      String[] words = data.split(" ");
      
      //输出每个单词
      for(String w:words){
         context.write(new Text(w), new LongWritable(1));
      }
   }

}

:-:

[info] (3)编写Reducer代码

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WordCountReducer extends Reducer<Text, LongWritable, Text, LongWritable>{

   @Override
   protected void reduce(Text k3, Iterable<LongWritable> v3,Context context) throws IOException, InterruptedException {
      //v3: 是一个集合,每个元素就是v2
      long total = 0;
      for(LongWritable l:v3){
         total = total + l.get();
      }
      
      //输出
      context.write(k3, new LongWritable(total));
   }

}

:-:

[info] (4)编写Main函数主入口

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCountMain {

   public static void main(String[] args) throws Exception {
      //创建一个job = map + reduce
      Configuration conf = new Configuration();
      
      //创建一个Job
      Job job = Job.getInstance(conf);
      //指定任务的入口
      job.setJarByClass(WordCountMain.class);
      
      //指定job的mapper
      job.setMapperClass(WordCountMapper.class);
      job.setMapOutputKeyClass(Text.class);
      job.setMapOutputValueClass(LongWritable.class);
      
      //指定job的reducer
      job.setReducerClass(WordCountReducer.class);
      job.setOutputKeyClass(Text.class);
      job.setOutputValueClass(LongWritable.class);
      
      //指定任务的输入和输出
      FileInputFormat.setInputPaths(job, new Path(args[0]));
      FileOutputFormat.setOutputPath(job, new Path(args[1]));       
      
      //提交任务
      job.waitForCompletion(true);
   }

}

:-:

:-:

[info] (5)代码打包

:-:

:-:

:-:

:-:

:-:

[info] (6)把生成WordCount的Java程序传上去伪分布式环境运行(上传software目录)

:-:

[info] (7)程序调试

# 1.新建一个文件,添加内容以统计字数,上传HDFS(若前面的实验有文件则不需要再上传)
# 2.执行jar命令执行程序,注意output目录不能存在,若存在请先删除

hadoop jar hadoop.jar /huatec/word.txt /huatec/output

:-:

:-:

[info] IDEA本地目录调试

相关文章

微信公众号

最新文章

更多