Hadoop学习1：MapReduce编程

mapreduce编程模型分为两个阶段：map和reduce。

map阶段分为以下四个步骤：

• 输入数据格式解析：InputFormat
• Map数据处理：Mapper
• 本地Reduce数据处理：Combiner
• 数据分组：Partitioner

reduce阶段分为以下三个步骤：

• 远程数据拷贝
• 数据按照key排序
• Reduce数据处理：Reducer
• 数据输出格式：OutputFormat

其中，红色步骤是Hadoop自己实现，其他步骤都可以自定义。

以下是Hadoop中的”HelloWorld”，WordCount程序。

map方法：

// Mapper<输入key, 输入value, 输出key, 输出value>
public class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {

	private IntWritable one = new IntWritable(1);
	private Text word = new Text();

    // context程序运行上下文，提供方法，也可以用其来传递参数
	@Override
	protected 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);
        }
	}

}

reduce方法：

// Reducer<输入key, 输入value, 输出key, 输出value>，输入key输入value要与Mapper的输出key输出value一致
public class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

	private IntWritable count = new IntWritable();

	@Override
	public void reduce(Text key, Iterable<IntWritable> values, Context context)
			throws IOException, InterruptedException {
		int sum = 0;
		for (IntWritable value : values) {
			sum += value.get();
		}
		count.set(sum);
		context.write(key, count);
	}

}

主方法：

public class WordCount {

	public static void main(String[] args) throws Exception {
		if (args.length != 2) {
			System.exit(1);
		}
        String inputPath = args[0];
        String outputPath = args[1];
        // 配置文件
		Configuration conf = new Configuration();
		Job job = Job.getInstance(conf, "word count");
        // 通过class找到jar包的绝对路径
		job.setJarByClass(WordCount.class);
		job.setMapperClass(TokenizerMapper.class);
		job.setReducerClass(IntSumReducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		FileInputFormat.addInputPath(job, new Path(inputPath));
		FileOutputFormat.setOutputPath(job, new Path(outputPath));
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}

}

在命令行执行hadoop jar wordcount.jar com.ee.hadoop.mapred.WordCount /wordcount/input /wordcount/output
这里output这个目录不能存在，否则会报错。