实现一个 WordCount 程序 —— MapReduce

最新推荐文章于 2025-05-13 10:11:00 发布

转载最新推荐文章于 2025-05-13 10:11:00 发布 · 144 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：https://blog.youkuaiyun.com/a909301740/article/details/84571653

本文详细介绍使用Hadoop进行词频统计的MapReduce程序设计，包括Mapper和Reducer的实现，以及如何配置Job并提交到Yarn执行。

需要导入的依赖如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
      xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>

<groupId>com.qjl</groupId>
<artifactId>mapreduce</artifactId>
<version>1.0-SNAPSHOT</version>

<properties>
      <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
      <hadoop.version>2.7.3</hadoop.version>
</properties>

<dependencies>
      <dependency>
         <groupId>junit</groupId>
         <artifactId>junit</artifactId>
         <version>3.8.1</version>
         <scope>test</scope>
      </dependency>

      <dependency>
         <groupId>org.apache.hadoop</groupId>
         <artifactId>hadoop-client</artifactId>
         <version>${hadoop.version}</version>
      </dependency>
      <dependency>
         <groupId>org.apache.hadoop</groupId>
         <artifactId>hadoop-common</artifactId>
         <version>${hadoop.version}</version>
      </dependency>
      <dependency>
         <groupId>org.apache.hadoop</groupId>
         <artifactId>hadoop-hdfs</artifactId>
         <version>${hadoop.version}</version>
      </dependency>
</dependencies>
</project>

Mapper
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
* @author 曲健磊
* @date 2018-11-27 16:15:49
* @description 词频统计的Mapper
*/
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
      /**
      * context 表示Mapper的上下文
      * 上文：HDFS
      * 下文：Mapper
      */
      // 数据： I love Beijing
      String data = value.toString();

      // 分词
      String[] words = data.split(" ");

      // 输出 k2 v2
      for (String word : words) {
         context.write(new Text(word), new IntWritable(1));
      }
}
}

Reducer
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
* @author 曲健磊
* @date 2018-11-27 16:20:38
* @description 词频统计的Reducer
*/
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
      /**
      * context 是reducer上下文
      * 上文：Mapper
      * 下文：HDFS
      */
      // 对v3求和
      int total = 0;
      for (IntWritable value : values) {
         total += value.get();
      }
      context.write(key, new IntWritable(total));
}
}

Job
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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;

/**
* @author 曲健磊
* @date 2018-11-27 16:24:58
* @description 词频统计任务的执行的入口
*/
public class WordCountMain {

public static void main(String[] args) throws Exception {
      // 1.创建一个job指定任务入口
      Job job = Job.getInstance(new Configuration());
      job.setJarByClass(WordCountMain.class);

      // 2.指定job的mapper和输出类型
      job.setMapperClass(WordCountMapper.class);
      job.setMapOutputKeyClass(Text.class);
      job.setMapOutputValueClass(IntWritable.class);

      // 3.指定job的reducer和输出类型
      job.setReducerClass(WordCountReducer.class);
      job.setOutputKeyClass(Text.class);
      job.setMapOutputValueClass(IntWritable.class);

      // 4.指定job的输入和输出
      FileInputFormat.setInputPaths(job, new Path(args[0]));
      FileOutputFormat.setOutputPath(job, new Path(args[1]));

      // 5.执行job,true表示打印日志
      job.waitForCompletion(true);
}
}
执行 Job 的流程基本是固定的：

创建一个job指定任务入口

指定job的mapper和输出类型

指定job的reducer和输出类型

指定job的输入和输出

执行job

之后将项目打成 jar 包，上传到 Linux 服务器，提交到 Yarn 上执行：hadoop jar xxx.jar /data.txt /output，如果是本地模式后面跟的两个路径是本地 Linux 的路径，伪分布模式或者全分布模式则表示 HDFS 的路径，第一个表示数据的输入路径，第二个表示数据的输出位置。
---------------------
作者：曲健磊
来源：优快云
原文：https://blog.youkuaiyun.com/a909301740/article/details/84571653
版权声明：本文为博主原创文章，转载请附上博文链接！