Hadoop 之 Wordcount 单词计数 (学习笔记)
2014-09-09 07:14
465 查看
自从学习了hadoop之后,现在想想还没有怎么整理过自己写过的代码和读过的代码,今天就做一个整理吧,纪念一下。
WordCount (单词计数)程序 就像我们刚刚开始学习程序一样,写一个 helloworld程序一样。
1.问题描述
输入一个文件 word.txt:
2.设计思路
这个应用实例的解决方案很直接,就是将文件内容切分成单词, 然后将所有相同的单词聚集在一起,然后计算单词出现的次数并输出。 根据MapReduce并行程序设计原则可知,解决方案中的内容切分步骤和数据不相关, 可以并行化处理,每个获得原始数据的机器只要将输入数据切分成单词就可以了。 所以可以在Map阶段完成单词切分任务。另外,相同单词的频数计算也可以井行化处理。由实例要求来看,不同单词之间的频数不相关,所以可以将相同的单词交给一台机器来计算频数, 然后输出最终结果。这个过程可以在Reduce阶段完成。至于将中间结果根据不同单词分组再分发给Reduce机器,
这正好是MapReduce过程中的shuffIe能够完成的,至此,这个实例的MapReduce程序就设计出来了。 Map阶段完成由输入数据到单词切分的工作,shuffle阶段完成相同单词的聚集和分发工作〈这个过程是MapReduce的默认过程,不用具体配置),Reduce阶段负责接收所有单词并计算其频数。MapReduce'中传递的数据都是<key,value>形式的,并且shuffle排序聚集分发都是按照key值进行的,因此将Map的输出设计成由word作为key, 1作为value的形式,这表示单词word出现一次(Map的输入采用Hadoop默认的输入方式:文件的一行作为value,行号作为key)。Reduce的输入为Map输出聚集后的结果,即<key,value-list>,具体到这个实例就是<word,{1,1,1,1....}>,Reduce的输出会设计成与Map输出相同的形式,只是后面的数字不再固定是1,而是具体算出的word所对应的频数。
3.代码如下:
WordCount (单词计数)程序 就像我们刚刚开始学习程序一样,写一个 helloworld程序一样。
1.问题描述
输入一个文件 word.txt:
xing xing love you hello world hello hadoop输出结果为:
xing 2 love 1 you 1 hello 2 hadoop 1 word 1当然单词的输出是有顺序的。
2.设计思路
这个应用实例的解决方案很直接,就是将文件内容切分成单词, 然后将所有相同的单词聚集在一起,然后计算单词出现的次数并输出。 根据MapReduce并行程序设计原则可知,解决方案中的内容切分步骤和数据不相关, 可以并行化处理,每个获得原始数据的机器只要将输入数据切分成单词就可以了。 所以可以在Map阶段完成单词切分任务。另外,相同单词的频数计算也可以井行化处理。由实例要求来看,不同单词之间的频数不相关,所以可以将相同的单词交给一台机器来计算频数, 然后输出最终结果。这个过程可以在Reduce阶段完成。至于将中间结果根据不同单词分组再分发给Reduce机器,
这正好是MapReduce过程中的shuffIe能够完成的,至此,这个实例的MapReduce程序就设计出来了。 Map阶段完成由输入数据到单词切分的工作,shuffle阶段完成相同单词的聚集和分发工作〈这个过程是MapReduce的默认过程,不用具体配置),Reduce阶段负责接收所有单词并计算其频数。MapReduce'中传递的数据都是<key,value>形式的,并且shuffle排序聚集分发都是按照key值进行的,因此将Map的输出设计成由word作为key, 1作为value的形式,这表示单词word出现一次(Map的输入采用Hadoop默认的输入方式:文件的一行作为value,行号作为key)。Reduce的输入为Map输出聚集后的结果,即<key,value-list>,具体到这个实例就是<word,{1,1,1,1....}>,Reduce的输出会设计成与Map输出相同的形式,只是后面的数字不再固定是1,而是具体算出的word所对应的频数。
3.代码如下:
package org.apache.hadoop.examples; 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.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); } }
相关文章推荐
- Hadoop WordCount 单词计数示例详细演示
- Hadoop学习笔记(六)实战word count
- Hadoop学习笔记---1.wordcount程序的剖析
- 《征服c指针》学习笔记-----统计文本单词数目的程序word_count
- hadoop2.5的第一个HelloWorld程序—单词计数(WordCount.)
- 【学习笔记】用Hadoop在MapReduce中WordCount简单程序运行详细流程
- Hadoop学习笔记-WordCount源码分析
- [Big Data]菜鸟的Hadoop (Before YARN) 学习笔记 (一) WordCount
- Hadoop学习笔记——简介及WordCount
- 第122讲:实战WordCount测试Hadoop集群环境学习笔记
- 【hadoop学习笔记】4.eclipse运行wordcount实例
- hadoop入门(六)JavaAPI+Mapreduce实例wordCount单词计数详解
- hadoop学习笔记-3-运行wordcount示例
- hadoop-2.8.0 WordCount单词计数和Sort示例
- hadoop学习笔记之wordcount
- 【Hadoop基础教程】Hadoop之单词计数wordcount
- HADOOP的学习笔记 (第四期) eclipse 执行 wordcount .
- Hadoop学习笔记之初识MapReduce以及WordCount实例分析
- HADOOP的学习笔记 (第四期) eclipse 执行 wordcount
- Hadoop 实战之单词计数WordCount