大数据与人工智能探索

10477777

package org.apache.hadoop.examples;　　

　　
import java.io.IOException;
　　
import java.util.StringTokenizer;
　　

　　
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.Mapper;
　　
import org.apache.hadoop.mapreduce.Reducer;
　　
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
　　
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
　　
import org.apache.hadoop.util.GenericOptionsParser;
　　
/**
　　
*
　　
* 描述：WordCount explains by York
　　
* @author Hadoop Dev Group
　　
*/
　　
publicclass WordCount {
　　
/**
　　
* 建立Mapper类TokenizerMapper继承自泛型类Mapper
　　
* Mapper类:实现了Map功能基类
　　
* Mapper接口：
　　
* WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。
　　
* Reporter 则可用于报告整个应用的运行进度，本例中未使用。
　　
*
　　
*/

　　
public static>　　
extends Mapper<Object, Text, Text, IntWritable>{
　　
        /**
　　
* IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，
　　
* 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为int,String 的替代品。
　　
* 声明one常量和word用于存放单词的变量
　　
*/
　　
private final static IntWritable one =new IntWritable(1);
　　
private Text word =new Text();
　　
/**
　　
* Mapper中的map方法：
　　
* void map(K1 key, V1 value, Context context)
　　
* 映射一个单个的输入k/v对到一个中间的k/v对
　　
* 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。
　　
* Context：收集Mapper输出的<k,v>对。
　　
* Context的write(k, v)方法:增加一个(k,v)对到context
　　
* 程序员主要编写Map和Reduce函数.这个Map函数使用StringTokenizer函数对字符串进行分隔,通过write方法把单词存入word中
　　
* write方法存入(单词,1)这样的二元组到context中
　　
*/  
　　
public void map(Object key, Text value, Context context
　　
) throws IOException, InterruptedException {
　　
StringTokenizer itr =new StringTokenizer(value.toString());
　　
while (itr.hasMoreTokens()) {
　　
word.set(itr.nextToken());
　　
context.write(word, one);
　　
}
　　
}
　　
}
　　

　　
publicstaticclass IntSumReducer
　　
extends Reducer<Text,IntWritable,Text,IntWritable> {
　　
private IntWritable result =new IntWritable();
　　
/**
　　
* Reducer类中的reduce方法：
　　
* void reduce(Text key, Iterable<IntWritable> values, Context context)
　　
* 中k/v来自于map函数中的context,可能经过了进一步处理(combiner),同样通过context输出           
　　
*/
　　
public void reduce(Text key, Iterable<IntWritable> values,
　　
Context context
　　
) throws IOException, InterruptedException {
　　
int sum =0;
　　
for (IntWritable val : values) {
　　
sum += val.get();
　　
}
　　
result.set(sum);
　　
context.write(key, result);
　　
}
　　
}
　　

　　
public static void main(String[] args) throws Exception {
　　
/**
　　
* Configuration：map/reduce的j配置类，向hadoop框架描述map-reduce执行的工作
　　
*/
　　
Configuration conf =new Configuration();
　　
String[] otherArgs =new GenericOptionsParser(conf, args).getRemainingArgs();
　　
if (otherArgs.length !=2) {
　　
System.err.println("Usage: wordcount <in> <out>");
　　
System.exit(2);
　　
}
　　
Job job =new Job(conf, "word count");    //设置一个用户定义的job名称
　　
job.setJarByClass(WordCount.class);
　　
job.setMapperClass(TokenizerMapper.class);    //为job设置Mapper类
　　
job.setCombinerClass(IntSumReducer.class);    //为job设置Combiner类
　　
job.setReducerClass(IntSumReducer.class);    //为job设置Reducer类
　　
job.setOutputKeyClass(Text.class);        //为job的输出数据设置Key类
　　
job.setOutputValueClass(IntWritable.class);    //为job输出设置value类
　　
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));    //为job设置输入路径
　　
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//为job设置输出路径
　　
System.exit(job.waitForCompletion(true) ?0 : 1);        //运行job
　　
}
　　
}