资源文件file1
hadoop
test
hello
word
资源文件file2
happy
birthday
this
is
a
test
最终的结果
hadoop
test
hello
wordhappy
birthday
this
is
a
test
分析：将两个文件合并成一个文件，是一个很简单的案例。设想我们可以将value设为空，这样就只有key在输出的时候直接数据就可以了。map过程将两个文件的每一行设为key，值设为空。在Reduce阶段只用将map阶段整理好的数据输出就可以了。
实现：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
|
package com.bwzy.hadoop;import java.io.IOException;import java.util.StringTokenizer;import org.apache.hadoop.conf.Configured;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.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.Reducer;import org.apache.hadoop.mapreduce.Mapper.Context;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;import org.apache.hadoop.util.Tool;import org.apache.hadoop.util.ToolRunner;import com.bwzy.hadoop.WordCount.Map;import com.bwzy.hadoop.WordCount.Reduce;public class HeBing extends Configured implements Tool
{ public static class Map extends Mapper<LongWritable,
Text, Text, Text> { public void map(LongWritable
key, Text value, Context context) { String
line = value.toString(); try { context.write(new Text(line), new Text("")); } catch (IOException
e) { e.printStackTrace(); } catch (InterruptedException
e) { e.printStackTrace(); } } } public static class Reduce extends Reducer<Text,
Text, Text, Text> { public void reduce(Text
key, Iterable<Text> values, Context
context) throws IOException,
InterruptedException { context.write(key, new Text("")); } } @Override public int run(String[]
arg0) throws Exception
{ Job
job = new Job(getConf()); job.setJobName("HeBing"); job.setOutputKeyClass(Text.class); job.setOutputValueClass(Text.class); job.setMapperClass(Map.class); job.setCombinerClass(Reduce.class); job.setReducerClass(Reduce.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TextOutputFormat.class); FileInputFormat.setInputPaths(job, new Path(arg0[0])); FileOutputFormat.setOutputPath(job, new Path(arg0[1])); boolean success
= job.waitForCompletion(true); return success
? 0 : 1; } public static void main(String[]
args) throws Exception
{ int ret
= ToolRunner.run(new HeBing(),
args); System.exit(ret); }} |
运行：
1：将程序打包
选中打包的类-->右击-->Export-->java-->JAR file--填入保存路径-->完成
2：将jar包拷贝到hadoop的目录下。（因为程序中用到来hadoop的jar包）
3：将资源文件上传到定义的hdfs目录下
创建hdfs目录命令（在hadoop已经成功启动的前提下）：hadoop fs -mkdir /自定义/自定义/input
上传本地资源文件到hdfs上：hadop fs -put -copyFromLocal /home/user/Document/file1 /自定义/自定义/input
hadop fs -put -copyFromLocal /home/user/Document/file2 /自定义/自定义/input
4：运行MapReduce程序：
hadoop jar /home/user/hadoop-1.0.4/HeBing.jar com.bwzy.hadoop.HeBing /自定义/自定义/input /自定义/自定义/output
说明：hadoop运行后会自动创建/自定义/自定义/output目录，在该目录下会有两个文件，其中一个文件中存放来MapReduce运行的结果。如果重新运行该程序，需要将/自定义/自定义/output目录删除，否则系统认为该结果已经存在了。
5：运行的结果为
hadoop
test
hello
wordhappy
birthday
this
is
a
test