Hadoop MapReduce编程 API入门系列之wordcount版本4（八）

 1 package zhouls.bigdata.myMapReduce.wordcount2;
 2 
 3 import java.io.IOException;
 4 
 5 import org.apache.commons.lang.StringUtils;
 6 import org.apache.hadoop.io.LongWritable;
 7 import org.apache.hadoop.io.Text;
 8 import org.apache.hadoop.mapreduce.Mapper;
 9 
10 //4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是输入的value的类型
11 //map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
12 //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
13 public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
14     
15     //mapreduce框架每读一行数据就调用一次该方法
16     @Override
17     protected void map(LongWritable key, Text value,Context context)throws IOException, InterruptedException{
18         //具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
19         //key 是这一行数据的起始偏移量     value 是这一行的文本内容
20         
21         //将这一行的内容转换成string类型
22         String line = value.toString();
23         
24         //对这一行的文本按特定分隔符切分
25         //hadoop helloworld
26         String[] words = StringUtils.split(line, " ");
27         
28         //遍历这个单词数组输出为kv形式  k：单词   v ： 1
29         for(String word : words){//word是k2
30             context.write(new Text(word), new LongWritable(1));//写入word是k2,1是v2
31 //            context.write(word,1);等价            
32             
33         }
34         
35 
36     }
37 
38     
39     
40 }

 1 package zhouls.bigdata.myMapReduce.wordcount2;
 2 
 3 import java.io.IOException;
 4 
 5 import org.apache.hadoop.io.LongWritable;
 6 import org.apache.hadoop.io.Text;
 7 import org.apache.hadoop.mapreduce.Reducer;
 8 
 9 public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
10     
11     
12     
13     //框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
14     //<hello,{1,1,1,1,1,1.....}>
15     @Override
16     protected void reduce(Text key, Iterable<LongWritable> values,Context context)throws IOException, InterruptedException {
17         long count = 0;
18         //遍历value的list，进行累加求和
19         for(LongWritable value:values){//value是v2
20             count += value.get();
21         }
22         
23         //输出这一个单词的统计结果
24         
25         context.write(key,new LongWritable(count));//key是k3,count是v3
26 //        context.write(key,count);        
27     }
28     
29     
30 
31 }

 1 package zhouls.bigdata.myMapReduce.wordcount2;
 2 
 3 import org.apache.hadoop.io.LongWritable;
 4 import org.apache.hadoop.io.Text;
 5 import org.apache.hadoop.mapreduce.Reducer;
 6 
 7 
 8 /**
 9  * combiner必须遵循reducer的规范
10  * 可以把它看成一种在map任务本地运行的reducer
11  * 使用combiner的时候要注意两点
12  * 1、combiner的输入输出数据泛型类型要能跟mapper和reducer匹配
13  * 2、combiner加入之后不能影响最终的业务逻辑运算结果
14  * 
15  *
16  */
17 public class WCCombiner extends Reducer<Text, LongWritable, Text, LongWritable>{
18 
19 }

 1 package zhouls.bigdata.myMapReduce.wordcount2;
 2 
 3 import java.io.IOException;
 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.lib.input.FileInputFormat;
11 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
12 
13 /**
14  * 用来描述一个特定的作业
15  * 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
16  * 还可以指定该作业要处理的数据所在的路径
17  * 还可以指定改作业输出的结果放到哪个路径
18  * ....
19  * @author duanhaitao@itcast.cn
20  *
21  */
22 public class WCRunner {
23 
24     public static void main(String[] args) throws Exception {
25         
26         Configuration conf = new Configuration();
27         
28         Job wcjob = Job.getInstance(conf);
29         
30         //设置整个job所用的那些类在哪个jar包
31         wcjob.setJarByClass(WCRunner.class);
32         
33         
34         //本job使用的mapper和reducer的类
35         wcjob.setMapperClass(WCMapper.class);
36         wcjob.setReducerClass(WCReducer.class);
37         
38         
39         //指定本job使用combiner组件，组件所用的类为
40         wcjob.setCombinerClass(WCReducer.class);
41         
42         
43         //指定reduce的输出数据kv类型
44         wcjob.setOutputKeyClass(Text.class);
45         wcjob.setOutputValueClass(LongWritable.class);
46         
47         //指定mapper的输出数据kv类型
48         wcjob.setMapOutputKeyClass(Text.class);
49         wcjob.setMapOutputValueClass(LongWritable.class);
50         
51         
52 //        //指定要处理的输入数据存放路径
53 //        FileInputFormat.setInputPaths(wcjob, new Path("hdfs://HadoopMaster:9000/wordcount/wc.txt/"));
54 //        
55 //        //指定处理结果的输出数据存放路径
56 //        FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://HadoopMaster:9000/out/wordcount/wc/"));
57         
58         //指定要处理的输入数据存放路径
59         FileInputFormat.setInputPaths(wcjob, new Path("./data/wordcount/wc.txt"));
60         
61         //指定处理结果的输出数据存放路径
62         FileOutputFormat.setOutputPath(wcjob, new Path("./out/wordcount/wc/"));
63         
64         
65         //将job提交给集群运行 
66         wcjob.waitForCompletion(true);
67         
68         
69     }
70     
71     
72     
73     
74 }