hadoop自带wordcount代码详解

http://blog.csdn.net/superman_xxx/article/details/51553120

package
cn.chinahadoop;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.mapreduce.lib.output.SequenceFileOutputFormat;import
org.apache.hadoop.util.GenericOptionsParser;public classWordCount
{/**
* 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） * Mapper接口： * 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。 * Reporter 则可用于报告整个应用的运行进度，本例中未使用。 * */
public staticclassTokenizerMapperextends
Mapper<Object, Text, Text, IntWritable>{ /** * 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， * 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。 */privatefinal
static IntWritable one = new
IntWritable(1);private
Text word = new
Text();//Text 实现了BinaryComparable类可以作为key值/**
* Mapper接口中的map方法： * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter) * 映射一个单个的输入k/v对到一个中间的k/v对 * 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。 * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
*/ public void map(Object key, Text value, Context context)
throws
IOException, InterruptedException { /** * 原始数据： * c++ java hello world java hello you me too
map阶段，数据如下形式作为map的输入值：key为偏移量 0 c++ java hello 16 world java hello 34 you me too *//**
* 以下解析键值对 * 解析后以键值对格式形成输出数据 * 格式如下：前者是键排好序的，后者数字是值 * c++ 1 * java 1 * hello 1 * world 1 * java 1 * hello 1 * you 1 * me 1 * too 1 * 这些数据作为reduce的输出数据 */
StringTokenizer itr =new
StringTokenizer(value.toString());//得到什么值//System.out.println("value什么东西
： "+value.toString());//System.out.println("key什么东西
： "+key.toString());while
(itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public staticclassIntSumReducerextendsReducer<Text,IntWritable,IntWritable,Text>
{private
IntWritable result = new
IntWritable(); /** * reduce过程是对输入数据解析形成如下格式数据： * (c++ [1]) * (java [1,1]) * (hello [1,1]) *
(world [1]) * (you [1]) * (me [1]) * (you [1]) * 供接下来的实现的reduce程序分析数据数据 * */ public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws
IOException, InterruptedException { int sum = 0;/**
* 自己的实现的reduce方法分析输入数据 * 形成数据格式如下并存储 * c++ 1 * hello 2 * java 2 * me 1 * too 1 * world 1 * you 1 * */for
(IntWritable val
: values) { sum += val.get();
} result.set(sum); context.write(result, key); } } public static classIntSumCombiner//Combinerextends
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 { /** * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作 * 构造方法：JobConf()、JobConf(Class
exampleClass)、JobConf(Configuration conf)等 */ Configuration conf =new
Configuration(); String[] otherArgs = new
GenericOptionsParser(conf, args).getRemainingArgs(); //这里需要配置参数即输入和输出的HDFS的文件路径if
(otherArgs.length != 2)
{ System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
} // JobConf conf1 = new JobConf(WordCount.class);
Job job = new
Job(conf, "word count");//Job(Configuration
conf, String jobName) 设置job名称和 job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);//为job设置Mapper类job.setCombinerClass(IntSumReducer.class);//为job设置Combiner类job.setReducerClass(IntSumReducer.class);//为job设置Reduce类job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
job.setOutputKeyClass(IntWritable.class);//设置输出key的类型
job.setOutputValueClass(Text.class);//
设置输出value的类型 job.setOutputFormatClass(SequenceFileOutputFormat.class);
FileInputFormat.addInputPath(job, new
Path(otherArgs[0]));//为map-reduce任务设置InputFormat实现类
设置输入路径 FileOutputFormat.setOutputPath(job,
new
Path(otherArgs[1]));//为map-reduce任务设置OutputFormat实现类
设置输出路径 System.exit(job.waitForCompletion(true)
? 0
: 1);
}}