在一堆給定的文本文件中統(tǒng)計輸出每一個單詞出現(xiàn)的總次數(shù)
Code -> GitHub
https://github.com/liufengji/hadoop_mapreduce.git
1、數(shù)據(jù)
http://www.itdecent.cn/p/4221178f7cee
2、分析
按照mapreduce編程規(guī)范，分別編寫Mapper，Reducer，Driver。
3、程序源代碼
（1）定義一個Mapper類
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
/**
* KEYIN:默認情況下，是mr框架所讀到的一行文本的起始偏移量，Long;
* 在hadoop中有自己的更精簡的序列化接口，所以不直接用Long，而是用LongWritable
* VALUEIN:默認情況下，是mr框架所讀到的一行文本內容，String;此處用Text
*
* KEYOUT:是用戶自定義邏輯處理完成之后輸出數(shù)據(jù)中的key,在此處是單詞，String；此處用Text
* VALUEOUT，是用戶自定義邏輯處理完成之后輸出數(shù)據(jù)中的value，在此處是單詞次數(shù)，Integer，此處用IntWritable
* @author Administrator
*/
public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
/**
* map階段的業(yè)務邏輯就寫在自定義的map()方法中
* maptask會對每一行輸入數(shù)據(jù)調用一次我們自定義的map（）方法
*/
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
// 1 將maptask傳給我們的文本內容先轉換成String
String line = value.toString();
// 2 根據(jù)空格將這一行切分成單詞
String[] words = line.split(" ");
// 3 將單詞輸出為<單詞，1>
for(String word:words){
// 將單詞作為key，將次數(shù)1作為value,以便于后續(xù)的數(shù)據(jù)分發(fā)，可以根據(jù)單詞分發(fā)，
// 以便于相同單詞會到相同的reducetask中
context.write(new Text(word), new IntWritable(1));
}
}
}
（2）定義一個Reducer類
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
/**
* KEYIN , VALUEIN 對應mapper輸出的KEYOUT, VALUEOUT類型
*
* KEYOUT，VALUEOUT 對應自定義reduce邏輯處理結果的輸出數(shù)據(jù)類型 KEYOUT是單詞 VALUEOUT是總次數(shù)
* @author Administrator
*/
public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
/**
* key，是一組相同單詞kv對的key
*/
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context)
throws IOException, InterruptedException {
int count = 0;
// 1 匯總各個key的個數(shù)
for(IntWritable value:values){
count +=value.get();
}
// 2輸出該key的總次數(shù)
context.write(key, new IntWritable(count));
}
}
（3）定義一個Driver主類，用來描述job并提交job
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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;
/**
* 相當于一個yarn集群的客戶端，
* 需要在此封裝我們的mr程序相關運行參數(shù)，指定jar包
* 最后提交給yarn
* @author Administrator
*/
public class WordcountDriver {
public static void main(String[] args) throws Exception {
// 1 獲取配置信息，或者job對象實例
Configuration configuration = new Configuration();
// 8 配置提交到y(tǒng)arn上運行,windows和Linux變量不一致
// configuration.set("mapreduce.framework.name", "yarn");
// configuration.set("yarn.resourcemanager.hostname", "hadoop103");
Job job = Job.getInstance(configuration);
// 6 指定本程序的jar包所在的本地路徑
// job.setJar("/home/victor/wc.jar");
job.setJarByClass(WordcountDriver.class);
// 2 指定本業(yè)務job要使用的mapper/Reducer業(yè)務類
job.setMapperClass(WordcountMapper.class);
job.setReducerClass(WordcountReducer.class);
// 3 指定mapper輸出數(shù)據(jù)的kv類型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
// 4 指定最終輸出的數(shù)據(jù)的kv類型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
// 5 指定job的輸入原始文件所在目錄
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
// 7 將job中配置的相關參數(shù)，以及job所用的java類所在的jar包， 提交給yarn去運行
// job.submit();
boolean result = job.waitForCompletion(true);
System.exit(result?0:1);
}
}
4、集群上測試
（1）將程序打成jar包，然后拷貝到hadoop集群中。
wordcount.jar
（2）啟動hadoop集群
[victor@hadoop102 hadoop]$ sbin/start-all.sh
（3）執(zhí)行wordcount程序
[victor@hadoop102 hadoop]$ hadoop jar wc.jar com.victor.wordcount.WordcountDriver \
/user/victor/input /user/victor/output1
5、本地測試
（1）在windows環(huán)境上配置HADOOP_HOME環(huán)境變量。
（2）在eclipse上運行程序
（3）注意：如果eclipse打印不出日志，在控制臺上只顯示
1.log4j:WARN No appenders could be found for logger (org.apache.hadoop.util.Shell).
2.log4j:WARN Please initialize the log4j system properly.
3.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.
log4j.properties
需要在項目的src目錄下，新建一個文件，命名為“l(fā)og4j.properties”，在文件中填入
log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
