Hadoop学习笔记：（一）WordCount运行

前言：本文是在hadoop已经配置好的情况下

WordCount是hadoop下的HelloWorld程序，是初学者必须要会的。下面是用eclipse进行开发

一、工程与MapReduce代码

新建工程，创建WordCount class
下面的代码是旧版mapreduce

package mapreduce;

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;

public class WordCount {

    public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> {

        private final static IntWritable one = new IntWritable(1);

        private Text word = new Text();

        public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> 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);
            }
        }
    }

    public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {
        public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {

            int sum = 0;

            while(values.hasNext()){
                sum += values.next().get();

            }

            output.collect(key, new IntWritable(sum));
        }
    }

    public static void main(String[] args) throws Exception {

        JobConf conf = new JobConf(WordCount.class);

        conf.setJobName("wordcount");

        conf .setOutputKeyClass(Text.class);
        conf.setOutputValueClass(IntWritable.class);

        conf.setMapperClass(Map.class);
        conf.setReducerClass(Reduce.class);

        conf.setInputFormat(TextInputFormat.class);
        conf.setOutputFormat(TextOutputFormat.class);

        FileInputFormat.setInputPaths(conf, new Path(args[0]));
        FileOutputFormat.setOutputPath(conf, new Path(args[1]));

        JobClient.runJob(conf);
    }
}

上述代码的运行成功离不开很多jar包，这些jar包主要在安装的hadoop文件夹里面。具体位置参考：

HADOOP_HOME/share/hadoop/

这里的HADOOP_HOME是你安装hadoop的路径。

这个目录下包含下面文件夹：

common
httpfs
hdfs
mapreduce
tool
yarn

其中我们的程序需要从common, mapreduce, yarn文件夹里添加存在的所有jar包以及lib下的所有jar包（这可能有重复，只要相同的覆盖即可）

添加好jar包后，就可以运行程序了。这里我们要为程序配置两个输入。

本地测试时，直接在eclipse点击run configuration ，在arguments下的program argument下添加要统计的文件地址以及输出文件路径。

1.本地模式：测试文件路径 输出文件路径（数据都在本地）
2.HDFS文件：hdfs://localhost/测试文件 hdfs://localhost/输出目录（数据在HDFS中）

配置好了，就可以点击run运行了。

另外：

也可以用命令行

打包：用eclipse将工程打包．
执行：hadoop jar wordcount.jar input output

这里的input最好写成HDFS下的文件路径．(本地的不知道怎么表示，试了下老报错),好像hadoop它会默认加载hdfs的路径．

集群模式：

先将文件复制到HDFS上：hadoop dfs -copyFromLocal 本地文件　hdfs路径
然后命令行运行：hadoop jar wordcout.jar WordCout input output

运行wordcount.jar中的ＷordCount类，input作为输入，output作为输出．