hadoop之Wordcount实验解析



1. 

一、概述

单词计数是最简单也最能体现MapReduce思想的程序之一，单词计数的主要功能在于：统计一系列文本文件总每个但系出现的次数。本次实验预通过分析WordCount源码来进一步明确MapReduce程序的基本结构和运行机制。

二、环境准备

系统环境：Ubuntu 16.0

软件环境：Java 1.8.0

Hadoop 3.0

三、map和reduce工作原理简介：

从HDFS内部看，一个文件储存到HDFS后，被分成一个或多个数据块（block），这些数据块存储在Datenode上。数据块与MapReduce的处理单位split相对应：

1. 

1.map任务处理

(a)读取文件内容，解析成key、value对。对输入文件的每一行，解析成key、value对。每一个键值对调用一个map函数。

(b)在map函数中可以编写自己的逻辑，对输入的key、value处理，转换成新的key、value输出。

(c)对输出的key、value进行分区。

(d)对不同分区的数据，按照key进行排序、分组。相同key的value放到一个集合中。

2.reduce任务处理

(a)对多个map任务的输出，按照不同的分区，通过网络copy到不同的reduce节点。

(b)对多个map任务的输出进行合并、排序。写reduce函数自己的逻辑，对输入的key、reduce处理，转换成新的key、value输出。

(c)把reduce的输出保存到文件中。

 

 

 

对于最能体现MapReduce思想的实验Wordcount而言，其主要完成了map任务的“分块”任务，将整个文件分成若干个“简单的任务”进行执行。

 

四、实例开发

在Linux系统桌面上新建一个文件夹，用作本次文件的存放。初学者可以手动创建，本次实验创建的java程序名称为：WordCoun.java。创建的文件名为：wordcount。文件创建好后，可以在终端检查文件是否创建成功。

在文件夹和java程序创建好后，进行java包的编译，编译整个包里的文件。编译过程如若出现错误：

则需要重新设置环境变量：

·