关于MapReduce单词统计的例子:

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 }