13-hadoop-入门程序

通过之前的操作, 

http://www.cnblogs.com/wenbronk/p/6636926.html

http://www.cnblogs.com/wenbronk/p/6659481.html

hadoop-HA的集群已经搭建完成了, 需要写个小程序来认识下hadoop了

统计文本文件中, 每个单词出现的次数

1, Eclipse下新建Java-project

2, 新建lib文件, 导入jar包, 并buildpath

hadoop-2.5.1\share\hadoop\common  所有jar，
hadoop-2.5.1\share\hadoop\common\lib  所有jar，

hadoop-2.5.1\share\hadoop\hdfs  所有jar
hadoop-2.5.1\share\hadoop\mapreduce  所有jar
hadoop-2.5.1\share\hadoop\yarn  所有jar

3, Mapper类: WordCountMapper.java

package com.wenbronk.mapreduce;

import java.io.IOException;

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


/**
 * 测试mapreduce, 计算单词出现的次数
 * @author wenbronk
 * KEYIN: split的键, 行坐在的下标
 * VALUEIN: split的值, 行值
 * KEYOUT: 需求, 输出给reduce
 * VALUEOUT: 需求, 输出给reduce
 */
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    /**
     * 重写map方法, 循环调用
     * 从split中读取一行调用一次, 以行所在下标为key, 行内容为value
     */
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
            throws IOException, InterruptedException {
        
        // text 转string, toString(), 使用空格分隔为单词数组
        String[] words = StringUtils.split(value.toString(), ' ');
        for (String word : words) {
            // 键值对输出, 输出给reduce
            context.write(new Text(word), new IntWritable(1));
        }
        
    }
    
}

4, Reduce类, WordCountReduce.java

package com.wenbronk.mapreduce;

import java.io.IOException;

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

/**
 * shuffling 后传给 reduce
 * @author wenbronk
 * KEYIN: mapper的输出
 * VALUEIN: mapper的输出
 */
public class WordCountReduce extends Reducer<Text, IntWritable, Text, IntWritable>{

    /**
     * 循环调用
     * 每组调用一次, key相同, value可能多个, 使用迭代器
     */
    @Override
    protected void reduce(Text arg0, Iterable<IntWritable> arg1,
            Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        // 对值进行累加
        int sum = 0;
        // 使用迭代器
        for (IntWritable value : arg1) {
            sum += value.get();
        }
        // 使用context输出
        context.write(arg0 , new IntWritable(sum));
    }
    
}

5, 然后是具体的执行类: RunMapReduce.java

package com.wenbronk.mapreduce;

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;

/**
 * 执行mapreduce
 * 统计单词出新的次数
 * @author wenbr
 *
 */
public class RunMapReduce {

    public static void main(String[] args) throws Exception {
        // 初始化时加载src或classpath下所有的hadoop配置文件
        Configuration configuration = new Configuration();
        
        // 得到执行的任务
        Job job = Job.getInstance(config);
        
        // 入口类
        job.setJarByClass(RunMapReduce.class);
        
        // job名字
        job.setJobName("wordCount");
        
        // job执行是map执行的类
        job.setMapperClass(WordCountMapper.class);
        
        // job执行的reduce类
        job.setReducerClass(WordCountReduce.class);
        
        // job输出的键类型
        job.setMapOutputKeyClass(Text.class);
        
        // job输出的value类型
        job.setMapOutputValueClass(IntWritable.class);
        
        //**** 使用插件上传data.txt到hdfs/root/usr/data.txt
        
        // 使用文件
        FileInputFormat.addInputPath(job, new Path("/root/usr/"));
        
        // 使用一个不存在的目录进行
        Path path = new Path("/root/usr/output");
        // 如果存在删除
        FileSystem fs = FileSystem.get(configuration);
        if (fs.exists(path)) {
            fs.delete(path, true);
        }
        
        // 输出
        FileOutputFormat.setOutputPath(job, path);
        
        boolean forCompletion = job.waitForCompletion(true);
        
        if (forCompletion) {
            System.out.println("success");
        }
    }
    
}

所有的类编写好了, 接下来是上传文件

6, 使用eclipse插件上传data.txt到hadoop目录 /usr/data.txt

我是用的插件为: 

 

7, 运行

这儿使用直接发布到服务器运行的方式

eclipse打包项目成jar包(只需要源码即可), 然后上传到服务器目录下, 使用hadoop命令执行
格式: hadoop jar jar路径 类全限定名

hadoop jar wc.jar com.wenbronk.mapreduce.RunMapReduce

 之后在hadoop的目录下就可以看到统计后输出的文件了