Hadoop学习日记（七）

2019.03.08

主题：wordcount编写和提交集群运行

这部分内容的学习主要参考段海涛Hadoop之p24

这部分的学习主要是编写了WCMapper、WCReducer、WCRunner三个类，以及最终打包成jar包提交集群运行。

一、关键点汇总

1. 在wordcount实例里，WCReducer中Reduce()方法数据输入的value其实是一个list

2.FileInputFormat以及FileOutputFormat应从包org.apache.hadoop.mapreduce.lib.input和org.apache.hadoop.mapreduce.lib.output中导入，Hadoop老的接口不要使用

3. 最终wordcount实例运行的结果如下图所示，可以看到结果按照key进行排序

4. 另外还有一些注意点标注在源码的注释里。

二、源码

1.WCMapper

package weekend111;

import java.io.IOException;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

//四个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型VALUEIN时输入的value的类型
//map和reduce的数据输入输出都是以key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
	//mapreduce框架每读一行数据就调用一次该方法
	@Override
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, LongWritable>.Context context)
			throws IOException, InterruptedException {
		// TODO Auto-generated method stub
		//具体业务逻辑就写在这个方法中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数key-value中
		//key是这一行数据的起始偏移量 value是这一行的文本内容
		//super.map(key, value, context);
		String line=value.toString();
		
		String[] words=StringUtils.split(line," ");
		
		//遍历这个单词数组输出为kv形式 k：单词 v:1
		for(String word:words)
		{
			context.write(new Text(word), new LongWritable(1));
		}
		
	}
	
	
	
}

 

2.WCReducer

package weekend111;

import java.io.IOException;

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

public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
	//框架在map处理完成后，将所有kv对缓存起来，进行分组，然后传递一个组<key,values{}>，调用一次reduce方法
	//<hello，{1,1,1,1,1......}>
	@Override
	protected void reduce(Text arg0, Iterable<LongWritable> arg1,
			Reducer<Text, LongWritable, Text, LongWritable>.Context arg2) throws IOException, InterruptedException {
		// TODO Auto-generated method stub
		//super.reduce(arg0, arg1, arg2);
		
		long count=0;
		//遍历value的list，进行累加求和
		for(LongWritable value:arg1)
		{
			count+=value.get();
		}
		
		//输出这一个单词的统计结果
		arg2.write(arg0, new LongWritable(count));
	}
	
	
	
}

3.WCRunner

package weekend111;

import java.io.IOException;

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;

/**
 * 用来描述一个特定的作业
 * 比如，改作业使用哪个类作为逻辑处理中的map，哪个作为reduce
 * 还可以指定该作业要处理的数据所在的路径
 * 还可以指定改作业输出的结果放到哪个路径
 * @author Administrator
 *
 */
public class WCRunner {

	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		Configuration conf=new Configuration();
		Job job=Job.getInstance(conf);
		
		//设置整个job所用的那些类在哪个jar包
		job.setJarByClass(WCRunner.class);
		
		//本job使用的的mapper和reducer的类
		job.setMapperClass(WCMapper.class);
		job.setReducerClass(WCReducer.class);
		
		//指定reduce的输出数据kv类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		
		//指定mapper的输出数据类型
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		
		//指定要处理的输入数据存放路径
		FileInputFormat.setInputPaths(job,new Path("/wc/srcdata/"));
		
		//指定处理结果的输出数据的存放路径
		FileOutputFormat.setOutputPath(job, new Path("/wc/output/"));
		
		//将job提交给集群运行
		job.waitForCompletion(true);
	}
	
}