Hadoop MapReduce编程 API入门系列之wordcount版本5（九）

jdgue

　　这篇博客，给大家，体会不一样的版本编程。

　　代码
　　package zhouls.bigdata.myMapReduce.wordcount1;
　　import java.io.IOException;
　　import org.apache.commons.lang.StringUtils;
　　import org.apache.hadoop.io.LongWritable;
　　import org.apache.hadoop.io.Text;
　　import org.apache.hadoop.mapreduce.Mapper;
　　//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
　　//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
　　//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

　　public>　　//mapreduce框架每读一行数据就调用一次该方法
　　@Override
　　protected void map(LongWritable key, Text value,Context context)
　　throws IOException, InterruptedException {
　　//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
　　//key 是这一行数据的起始偏移量     value 是这一行的文本内容
　　//将这一行的内容转换成string类型
　　String line = value.toString();
　　//对这一行的文本按特定分隔符切分
　　String[] words = StringUtils.split(line, " ");
　　//遍历这个单词数组输出为kv形式  k：单词   v ： 1
　　for(String word : words){
　　context.write(new Text(word), new LongWritable(1));
　　}
　　}
　　}
　　package zhouls.bigdata.myMapReduce.wordcount1;
　　import java.io.IOException;
　　import org.apache.hadoop.io.LongWritable;
　　import org.apache.hadoop.io.Text;
　　import org.apache.hadoop.mapreduce.Reducer;

　　public>　　//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
　　//<hello,{1,1,1,1,1,1.....}>
　　@Override
　　protected void reduce(Text key, Iterable<LongWritable> values,Context context)
　　throws IOException, InterruptedException {
　　long count = 0;
　　//遍历value的list，进行累加求和
　　for(LongWritable value:values){
　　count += value.get();
　　}
　　//输出这一个单词的统计结果
　　context.write(key, new LongWritable(count));
　　}
　　}
　　package zhouls.bigdata.myMapReduce.wordcount1;
　　import java.io.IOException;
　　import org.apache.hadoop.conf.Configuration;
　　import org.apache.hadoop.fs.FileSystem;
　　import org.apache.hadoop.fs.Path;
　　import org.apache.hadoop.io.LongWritable;
　　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;
　　import org.apache.hadoop.util.Tool;
　　import org.apache.hadoop.util.ToolRunner;
　　import zhouls.bigdata.myMapReduce.Anagram.Anagram;
　　/**
　　* 用来描述一个特定的作业
　　* 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
　　* 还可以指定该作业要处理的数据所在的路径
　　* 还可以指定改作业输出的结果放到哪个路径
　　* ....
　　*
　　*
　　*/
　　public>implements Tool {
　　public int run(String[] arg0) throws Exception  {
　　Configuration conf = new Configuration();
　　//2删除已经存在的输出目录
　　Path mypath = new Path(arg0[1]);//下标为1，即是输出路径
　　FileSystem hdfs = mypath.getFileSystem(conf);//获取文件系统
　　if (hdfs.isDirectory(mypath))
　　{//如果文件系统中存在这个输出路径，则删除掉
　　hdfs.delete(mypath, true);
　　}
　　Job wcjob = new Job(conf, "WC");//构建一个job对象，取名为testAnagram
　　//设置整个job所用的那些类在哪个jar包
　　wcjob.setJarByClass(WCRunner.class);
　　//本job使用的mapper和reducer的类
　　wcjob.setMapperClass(WCMapper.class);
　　wcjob.setReducerClass(WCReducer.class);
　　//指定reduce的输出数据kv类型
　　wcjob.setOutputKeyClass(Text.class);
　　wcjob.setOutputValueClass(LongWritable.class);
　　//指定mapper的输出数据kv类型
　　wcjob.setMapOutputKeyClass(Text.class);
　　wcjob.setMapOutputValueClass(LongWritable.class);
　　FileInputFormat.addInputPath(wcjob, new Path(arg0[0]));// 文件输入路径
　　FileOutputFormat.setOutputPath(wcjob, new Path(arg0[1]));// 文件输出路径
　　//将job提交给集群运行
　　wcjob.waitForCompletion(true);
　　return 0;
　　}
　　public static void main(String[] args) throws Exception
　　{//定义数组来保存输入路径和输出路径
　　//集群路径   
　　//        String[] args0 = { "hdfs://HadoopMaster:9000/wc.txt",
　　//                 "hdfs://HadoopMaster:9000/out/wc/"};
　　//本地路径   
　　String[] args0 = { "./data/wc.txt",
　　"out/wc/"};   
　　int ec = ToolRunner.run( new Configuration(), new WCRunner(), args0);
　　System. exit(ec);
　　}
　　@Override
　　public Configuration getConf() {
　　// TODO Auto-generated method stub
　　return null;
　　}
　　@Override
　　public void setConf(Configuration arg0) {
　　// TODO Auto-generated method stub
　　}
　　}