public class WordCountApp {// 可以指定目录,目录下如果有二级目录的话,是不会执行的,只会执行一级目录.private static final String INPUT_PATH = "hdfs://hadoop1:9000/abd";// 输入路径private static final String OUT_PATH = "hdfs://hadoop1:9000/out";// 输出路径,reduce作业输出的结果是一个目录// _SUCCESS:在linux中,带下划线的这些文件一般都是被忽略不去处理的.表示作业执行成功.// _logs:产生的日志文件.// part-r-00000:产生的是我们的输出的文件.开始以part开始.r:reduce输出的结果,map输出的结果是m,00000是序号public static void main(String[] args) {Configuration conf = new Configuration();// 配置对象try {FileSystem fileSystem = FileSystem.get(new URI(OUT_PATH), conf);fileSystem.delete(new Path(OUT_PATH), true);Job job = new Job(conf, WordCountApp.class.getSimpleName());// jobName:作业名称job.setJarByClass(WordCountApp.class);FileInputFormat.setInputPaths(job, INPUT_PATH);// 指定数据的输入job.setMapperClass(MyMapper.class);// 指定自定义map类job.setMapOutputKeyClass(Text.class);// 指定map输出key的类型job.setMapOutputValueClass(LongWritable.class);// 指定map输出value的类型job.setReducerClass(MyReducer.class);// 指定自定义Reduce类job.setOutputKeyClass(Text.class);// 设置Reduce输出key的类型job.setOutputValueClass(LongWritable.class);// 设置Reduce输出的value类型FileOutputFormat.setOutputPath(job, new Path(OUT_PATH));// Reduce输出完之后,就会产生一个最终的输出,指定最终输出的位置job.waitForCompletion(true);// 提交给jobTracker并等待结束} catch (Exception e) {e.printStackTrace();}}/*** 输入的key标示偏移量:这一行开始的字节. 输入的value:当前的行文本的内容. MapReduce执行过程:* 在这里边,我们的数据输入来自于原始文件,数据输出写出到hdfs, 中间的一堆都是map输出产生的临时结果.存放在map运行的linux磁盘上的,* 当经过shuffle时,reduce就会通过http把map端的对应数据给取过来.* mapred-default.xml中mapredcue.jobtracker* .root.dir,mapred.tmp.dir存储map产生的结果. 作业运行时产生这个目录,作业运行完之后它会删除目录.*/public static class MyMapper extendsMapper<LongWritable, Text, Text, LongWritable> {// 源文件有两行记录,解析源文件会产生两个键值对.分别是<0,hello you>,<10,hello me>,所以map函数会被调用两次.// 在计算机存储的时候,是一维的结构. @Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {// 为什么要把hadoop类型转换为java类型?String line = value.toString();String[] splited = line.split("\t");// 使用hashMap写出去的优势:减少键值对出现的个数.Map<String, Integer> hashMap = new HashMap<String, Integer>();for (String word : splited) {// 在for循环体内,临时变量word出现的此时是常量1context.write(new Text(word), new LongWritable(1));// 把每个单词出现的次数1写出去. }}}// map函数执行结束后,map输出的<k,v>一共有4个.<hello,1>,<you,1>,<hello,1>,<me,1>// map把数据处理完之后,就会进入reduce.// 在进入shuffle之前,数据需要先进行分区.默认只有一个区.// 对每个不同分区中的数据进行排序,分组.// 排序后的结果:<hello,1>,<hello,1>,<me,1>,<you,1>// 分组后的结果(相同key的value放在一个集合中):<hello,{1,1}>,<me,{1}>,<you,{1}>// 规约(可选)// map中的数据分发到reduce的过程称作shufflepublic static class MyReducer extendsReducer<Text, LongWritable, Text, LongWritable> {// 每一组调用一次reduce函数,一共调用了三次 @Overrideprotected void reduce(Text key, Iterable<LongWritable> values,Context context) throws IOException, InterruptedException {// count标示单词key在整个文件出现的次数// 分组的数量与reduce函数调用次数是相等的.// reduce函数调用次数与产生的<k,v>的数量抛开业务,没有任何关系!long count = 0L;for (LongWritable times : values) {count += times.get();}context.write(key, new LongWritable(count));}} }
)
