Hadoop示例程序WordCount运行及详解

mrbear

　　最近在学习云计算，研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。
　　运行方法：
　　假设：

• 　　/home/cq/wordcount/input - 是 HDFS 中的输入路径
  
• 　　/home/cq/wordcount/output - 是 HDFS 中的输出路径
  

　　用示例文本文件做为输入：
　　$ bin/hadoop fs -ls /home/cq/wordcount/input/
　　/home/cq /wordcount/input/file01
　　/home/cq /wordcount/input/file02
　　$ bin/hadoop fs -cat /home/cq/wordcount/input/file01
　　Hello World Bye World
　　$ bin/hadoop dfs -cat /home/cq/wordcount/input/file02
　　Hello Hadoop Goodbye Hadoop
　　运行应用程序：
　　$ bin/hadoop jar /*/WordCount  /home/cq/wordcount/input /home/cq/wordcount/output
　　输出是：
　　$ bin/hadoop dfs -cat /home/cq/wordcount/output/part-00000
　　Bye 1
　　Goodbye 1
　　Hadoop 2
　　Hello 2
　　World 2
　　详解：
　　其实WordCount并不难，只是一下子接触到了很多的API，有一些陌生，还有就是很传统的开发相比，map-reduce确实是一种新的编程理 念，为了让各位新手少走弯路，我将WordCount中的很多API都做了注释，其实这些方法搞明白了以后程序就很简单了，无非就是将一句话分词，先用 map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。好了，不废话，直接上代码：
Java代码

• 　　package  com.felix;
  
• 
  
• 　　import  java.io.IOException;
  
• 　　import  java.util.Iterator;
  
• 　　import  java.util.StringTokenizer;
  
• 
  
• 　　import  org.apache.hadoop.fs.Path;
  
• 　　import  org.apache.hadoop.io.IntWritable;
  
• 　　import  org.apache.hadoop.io.LongWritable;
  
• 　　import  org.apache.hadoop.io.Text;
  
• 　　import  org.apache.hadoop.mapred.FileInputFormat;
  
• 　　import  org.apache.hadoop.mapred.FileOutputFormat;
  
• 　　import  org.apache.hadoop.mapred.JobClient;
  
• 　　import  org.apache.hadoop.mapred.JobConf;
  
• 　　import  org.apache.hadoop.mapred.MapReduceBase;
  
• 　　import  org.apache.hadoop.mapred.Mapper;
  
• 　　import  org.apache.hadoop.mapred.OutputCollector;
  
• 　　import  org.apache.hadoop.mapred.Reducer;
  
• 　　import  org.apache.hadoop.mapred.Reporter;
  
• 　　import  org.apache.hadoop.mapred.TextInputFormat;
  
• 　　import  org.apache.hadoop.mapred.TextOutputFormat;
  
• 　　/**
  
• 　　*
  
• 　　* 描述：WordCount explains by Felix
  
• 　　* @author Hadoop Dev Group
  
• 　　*/
  
• 　　publicclass  WordCount
  
• 　　{
  
• 
  
• 　　/**
  
• 　　* MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）
  
• 　　* 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。
  
• 　　*
  
• 　　*/
  
• 　　publicstaticclass  Map  extends  MapReduceBase  implements
  
• 　　Mapper
  
• 　　{
  
• 　　/**
  
• 　　* LongWritable, 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long,int,String 的替代品。
  
• 　　*/
  
• 　　privatefinalstatic  IntWritable one =  new  IntWritable( 1 );
  
• 　　private  Text word =  new  Text();
  
• 
  
• 　　/**
  
• 　　* Mapper接口中的map方法：
  
• 　　* void map(K1 key, V1 value, OutputCollector output, Reporter reporter)
  
• 　　* 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。
  
• 　　* OutputCollector接口：收集Mapper和Reducer输出的对。
  
• 　　* OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
  
• 　　*/
  
• 　　publicvoid  map(LongWritable key, Text value,
  
• 　　OutputCollector output, Reporter reporter)
  
• 　　throws  IOException
  
• 　　{
  
• 　　String line = value.toString();
  
• 　　StringTokenizer tokenizer = new  StringTokenizer(line);
  
• 　　while  (tokenizer.hasMoreTokens())
  
• 　　{
  
• 　　word.set(tokenizer.nextToken());
  
• 　　output.collect(word, one);
  
• 　　}
  
• 　　}
  
• 　　}
  
• 
  
• 　　publicstaticclass  Reduce  extends  MapReduceBase  implements
  
• 　　Reducer
  
• 　　{
  
• 　　publicvoid  reduce(Text key, Iterator values,
  
• 　　OutputCollector output, Reporter reporter)
  
• 　　throws  IOException
  
• 　　{
  
• 　　int  sum =  0 ;
  
• 　　while  (values.hasNext())
  
• 　　{
  
• 　　sum += values.next().get();
  
• 　　}
  
• 　　output.collect(key, new  IntWritable(sum));
  
• 　　}
  
• 　　}
  
• 
  
• 　　publicstaticvoid  main(String[] args)  throws  Exception
  
• 　　{
  
• 　　/**
  
• 　　* JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
  
• 　　* 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
  
• 　　*/
  
• 
  　　JobConf conf = new  JobConf(WordCount.>
  
• 　　conf.setJobName("wordcount" );            //设置一个用户定义的job名称
  
• 
  
• 　　conf.setOutputKeyClass(Text.class );     //为job的输出数据设置Key类
  
• 　　conf.setOutputValueClass(IntWritable.class );    //为job输出设置value类
  
• 
  
• 　　conf.setMapperClass(Map.class );          //为job设置Mapper类
  
• 　　conf.setCombinerClass(Reduce.class );       //为job设置Combiner类
  
• 　　conf.setReducerClass(Reduce.class );         //为job设置Reduce类
  
• 
  
• 　　conf.setInputFormat(TextInputFormat.class );     //为map-reduce任务设置InputFormat实现类
  
• 　　conf.setOutputFormat(TextOutputFormat.class );   //为map-reduce任务设置OutputFormat实现类
  
• 
  
• 　　/**
  
• 　　* InputFormat描述map-reduce中对job的输入定义
  
• 　　* setInputPaths():为map-reduce job设置路径数组作为输入列表
  
• 　　* setInputPath()：为map-reduce job设置路径数组作为输出列表
  
• 　　*/
  
• 　　FileInputFormat.setInputPaths(conf, new  Path(args[ 0 ]));
  
• 　　FileOutputFormat.setOutputPath(conf, new  Path(args[ 1 ]));
  
• 
  
• 　　JobClient.runJob(conf);         //运行一个job
  

　　转载自http://hi.baidu.com/whyang2006/item/436a720c4e15a013addc70c4