本文共 4293 字，大约阅读时间需要 14 分钟。

说明

wc作为hadoop中经典的程序，是入门必须理解的程序之一。话不多说，直接见源码

Mapper

package com.gugu.mr.wc;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;/** * KEYIN ：是map task读取到的数据的key的类型，是一行的起始偏移量Long * VALUEIN:是map task读取到的数据的value的类型，是一行的内容String * * KEYOUT：是用户的自定义map方法要返回的结果kv数据的key的类型，在wordcount逻辑中，我们需要返回的是单词String * VALUEOUT:是用户的自定义map方法要返回的结果kv数据的value的类型，在wordcount逻辑中，我们需要返回的是整数Integer * * * 但是，在mapreduce中，map产生的数据需要传输给reduce，需要进行序列化和反序列化，而jdk中的原生序列化机制产生的数据量比较冗余，就会导致数据在mapreduce运行过程中传输效率低下 * 所以，hadoop专门设计了自己的序列化机制，那么，mapreduce中传输的数据类型就必须实现hadoop自己的序列化接口 * * hadoop为jdk中的常用基本类型Long String Integer Float等数据类型封住了自己的实现了hadoop序列化接口的类型：LongWritable,Text,IntWritable,FloatWritable * */public class WordCountMapper extends Mapper
   
     {
       @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
           String line = value.toString();        String[] words = line.split(" ");        for (String word:words) {
               context.write(new Text(word), new IntWritable(1));        }    }}
   

reduce

package com.gugu.mr.wc;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;import java.util.Iterator;/** * @author gugu * @Classname WordCountReduce * @Description TODO * @Date 2019/11/26 18:59 */public class WordCountReduce extends Reducer
   
     {
       @Override    protected void reduce(Text key, Iterable
    
      values, Context context) throws IOException, InterruptedException {
           Iterator
     
       iterator = values.iterator();        int sum = 0;        while (iterator.hasNext()){
               sum+= iterator.next().get();        }        context.write(key, new IntWritable(sum));    }}
     
    
   

job

package com.gugu.mr.wc;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;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 java.net.URI;/** * 用于提交mapreduce job的客户端程序 * 功能： *   1、封装本次job运行时所需要的必要参数 *   2、跟yarn进行交互，将mapreduce程序成功的启动、运行 * @author gugu * @Classname JobSubmit * @Description TODO * @Date 2019/11/26 19:12 */public class JobSubmit {
       public static void main(String[] args) throws Exception {
           Configuration conf = new Configuration();        // 在代码中设置JVM系统参数，用于给job对象来获取访问HDFS的用户身份        System.setProperty("HADOOP_USER_NAME", "gugu");        // 1、设置job运行时要访问的默认文件系统        conf.set("fs.defaultFS","hdfs://master:9000");        // 2、设置job提交到哪去运行[默认local、yarn指定集群]        conf.set("mapreduce.framework.name", "yarn");//        conf.set("yarn.resourcemanager.hostname", "master");        // 3、如果要从windows系统上运行这个job提交客户端程序，则需要加这个跨平台提交的参数        conf.set("mapreduce.app-submission.cross-platform","true");        Job job = Job.getInstance(conf);        // 2、封装参数： 本次job所要调用的Mapper实现类、Reducer实现类        job.setMapperClass(WordCountMapper.class);        job.setReducerClass(WordCountReduce.class);        // 3、封装参数：本次job的Mapper实现类、Reducer实现类产生的结果数据的key、value类型        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(IntWritable.class);        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(IntWritable.class);        job.setJar("D:\\ApplicationFiles\\IDEA\\hadoopTest\\myhadoop\\target\\hadoopTest.jar");//        job.setJarByClass(JobSubmit.class);        Path output = new Path("/wc/output");        FileSystem fs = FileSystem.get(new URI("hdfs://master:9000"),conf,"gugu");        if(fs.exists(output)){
               fs.delete(output, true);        }        // 4、封装参数：本次job要处理的输入数据集所在路径、最终结果的输出路径        FileInputFormat.setInputPaths(job, new Path("/wc/input"));        FileOutputFormat.setOutputPath(job, output);  // 注意：输出路径必须不存在        // 5、封装参数：想要启动的reduce task的数量        job.setNumReduceTasks(2);        // 6、提交job给yarn        boolean res = job.waitForCompletion(true);        System.exit(res?0:-1);    }}

运行结果