首页 / HADOOP / Hadoop入门程序WordCount的执行过程

Hadoop入门程序WordCount的执行过程

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Hadoop入门程序WordCount的执行过程，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3930字，纯文字阅读大概需要6分钟。

内容图文

　　首先编写WordCount.java源文件，分别通过map和reduce方法统计文本中每个单词出现的次数，然后按照字母的顺序排列输出，

　　Map过程首先是多个map并行提取多个句子里面的单词然后分别列出来每个单词，出现次数为1，全部列举出来

技术分享

　　Reduce过程首先将相同key的数据进行查找分组然后合并，比如对于key为Hello的数据分组为：<Hello, 1>、<Hello,1>、<Hello,1>，合并之后就是<Hello,1+1+1>，分组也可以理解为reduce的操作，合并减少数据时reduce的主要任务，叠加运算之后就是<Hello, 3>所以最后可以输出Hello 3，这样就完成了一轮MapReduce处理

技术分享

　　WordCount.java代码如下： 

             1
            import
             java.io.IOException;

             2
            import
             java.util.Iterator;

             3
            import
             java.util.StringTokenizer;

             4
             5
            import
             org.apache.hadoop.fs.Path;

             6
            import
             org.apache.hadoop.io.IntWritable;

             7
            import
             org.apache.hadoop.io.LongWritable;

             8
            import
             org.apache.hadoop.io.Text;

             9
            import
             org.apache.hadoop.mapred.FileInputFormat;

            10
            import
             org.apache.hadoop.mapred.FileOutputFormat;

            11
            import
             org.apache.hadoop.mapred.JobClient;

            12
            import
             org.apache.hadoop.mapred.JobConf;

            13
            import
             org.apache.hadoop.mapred.MapReduceBase;

            14
            import
             org.apache.hadoop.mapred.Mapper;

            15
            import
             org.apache.hadoop.mapred.OutputCollector;

            16
            import
             org.apache.hadoop.mapred.Reducer;

            17
            import
             org.apache.hadoop.mapred.Reporter;

            18
            import
             org.apache.hadoop.mapred.TextInputFormat;

            19
            import
             org.apache.hadoop.mapred.TextOutputFormat;

            20
            21
            public
            class
             WordCount {

            22
            23
            public
            static
            class Map extends MapReduceBase implements24             Mapper<LongWritable, Text, Text, IntWritable> {
25privatefinalstatic IntWritable one = new IntWritable(1);
26private Text word = new Text();
2728publicvoid map(LongWritable key, Text value,
29                 OutputCollector<Text, IntWritable> output, Reporter reporter)
30throws IOException {
31             String line = value.toString();
32             StringTokenizer tokenizer = new StringTokenizer(line);
33while (tokenizer.hasMoreTokens()) {
34                word.set(tokenizer.nextToken());
35                output.collect(word, one);
36            }
37        }
38    }
3940publicstaticclass Reduce extends MapReduceBase implements41             Reducer<Text, IntWritable, Text, IntWritable> {
42publicvoid reduce(Text key, Iterator<IntWritable> values,
43                 OutputCollector<Text, IntWritable> output, Reporter reporter)
44throws IOException {
45int sum = 0;
46while (values.hasNext()) {
47                 sum += values.next().get();
48            }
49             output.collect(key, new IntWritable(sum));
50        }
51    }
5253publicstaticvoid main(String[] args) throws Exception {
54         JobConf conf = new JobConf(WordCount.class);
55         conf.setJobName("wordcount");
5657         conf.setOutputKeyClass(Text.class);
58         conf.setOutputValueClass(IntWritable.class);
5960         conf.setMapperClass(Map.class);
61         conf.setCombinerClass(Reduce.class);
62         conf.setReducerClass(Reduce.class);
6364         conf.setInputFormat(TextInputFormat.class);
65         conf.setOutputFormat(TextOutputFormat.class);
6667         FileInputFormat.setInputPaths(conf, new Path(args[0]));
68         FileOutputFormat.setOutputPath(conf, new Path(args[1]));
6970        JobClient.runJob(conf);
71    }
72 }

　　将此java文件上传到服务器后，首先要进行编译，如果是eclipse会自动完成，如果没有配置开发环境需要手动对源文件进行编译，命令如下： 

javac -classpath /hadoop/hadoop-1.2.1/hadoop-core-1.2.1.jar:/hadoop/hadoop-1.2.1/lib/commons-cli-1.2.jar WordCount.java

编译的时候需要制定上面两个jar包，编译完成之后除了生成WordCount.class字节码之外还有WordCount$Map.class和WordCount$Reduce.class，我们知道这两个文件是内部类Map和Reduce生成的

　　然后开始对class文件打包生成wordcount.jar 

jar -cvf wordcount.jar *.class

技术分享

现在就打包生成了wordcount.jar文件

　　接下来可以通过传给main方法参数执行参数是两个字符串，分别为args[0]和args[1]，可以把它放到文件中进行输入，那么可以在hdfs文件系统中建立两个文件file01和file02并写入内容，依次执行命令： 

$ echo"Hello World Hello Java" > file01
$ echo"Hello World Hello Hadoop" > file02
$ hadoop fs -mkdir input
$ hadoop fs -put file0* input/

　　现在hdfs文件系统中/user/用户名/input下就有两个文件file01和file02，同样我们可以用命令查看文件的存在性和内容

　　接下来就可以提交任务用hadoop来运行jar包中的函数进行数据处理了 

hadoop jar wordcount.jar WordCount input output

　　WordCount代码jar包里的主类，input是传入的文件作为参数，output参数就是hadoop作业完毕之后结果存放目录，开始执行会看到map和reduce的处理进度

技术分享

　　处理完毕后，通过hadoop fs -ls output/ 查看生成的结果文件是否存在

技术分享

　　通过结果可以看到任务执行正常并输出了结果文件，可以用hadoop fs -get output localdata将文件传到本地查看，也可以执行下面命令查看文件的内容 

hadoop fs -cat output/part-00000

技术分享

可以看到结果按顺序统计出来了，到这里一个简单的WordCount程序就手动开发成功了

 

原文：http://www.cnblogs.com/freeweb/p/5151405.html

内容总结

以上是互联网集市为您收集整理的Hadoop入门程序WordCount的执行过程全部内容，希望文章能够帮你解决Hadoop入门程序WordCount的执行过程所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/1174916.html

来源：【匿名】