大数据实训第三天

1.创建项目

创建三个类：
Mapper、Reducer、Main驱动类（需要导入 jar包）

2.代码

    WordMapper.java：

package wordcount;


import java.io.IOException;
import java.util.StringTokenizer;

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


/**
 * @author: SuN Binghai
 * @Description:
 * @date: 2019年9月2日 下午4:00:00
 * @Filename: WordMapper.java
 */

public class WordMapper extends Mapper<Object, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
    
    // Mapper类的核心方法
    /**
     *  key 首字符偏移量
     *  value 文件的一行内容
     *  context Mapper端的上下文
     * @throws InterruptedException
     * @throws IOException
     */
    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString()); // 分割输入行为key，默认以空格/回车...分割
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }    
}
分析：StringTokenizer itr = new StringTokenizer(value.toString());

    WordReducer.java：

package wordcount;

import java.io.IOException;

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

/**
 * @author: Gu Yongtao
 * @Description:
 * @date: 2018年11月6日 下午4:40:16
 * @Filename: WordReducer.java
 */

public class WordReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    private IntWritable result = new IntWritable();  // 记录词的频数
    
    // Reducer抽象类的核心方法
    public void reduce (Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        // 遍历values 将 list<value> 叠加
        for (IntWritable value : values) {
            sum += value.get();
        }
        result.set(sum);
        context.write(key, result);
    }
}
    WordMain.java：（IP地址根据自身集群配置）

package wordcount;

import java.io.IOException;

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;
import org.apache.hadoop.util.GenericOptionsParser;

/**
 * @author: Gu Yongtao
 * @Description:
 * @date: 2018年11月6日 下午4:53:59
 * @Filename: WordMain.java
 */

public class WordMain {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // Configuration类：读取配置文件内容-core-site.xml
        Configuration conf = new Configuration();
        
        // 读取命令行参数，并设置到conf
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        
        if (otherArgs.length != 2) { // 输入目录 输出目录
            System.err.println("Usage: wordcount <in><out>");
            System.exit(2);
        }
        
        Job job = new Job(conf, "word count"); // 新建一个job
        job.setJarByClass(WordMain.class); // 设置主类
        job.setMapperClass(WordMapper.class); // 设置Mapper类
        job.setCombinerClass(WordReducer.class); // 设置作业合成类
        job.setReducerClass(WordReducer.class); // 设置Reducer类
        job.setOutputKeyClass(Text.class); // 设置输出数据的关键类
        job.setOutputValueClass(IntWritable.class); // 设置输出值类
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);        
    }
}