java实现wordCount的map

打开IDEA，File——new ——Project，新建一个项目

 

 我们已经安装好了maven，不用白不用

 

 这里不要选用骨架，Next。在写上Groupid，Next。

 

写上项目名称，finish。ok。

 

 

 一个项目就建好了，他长这样：

 

 新建的项目要配置一下maven。毕竟我们马上就要用它。然后导入依赖

打开pom.xml

 

 不愿意一个一个敲的话，可以使用cv大法。

 

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>2.8.4</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-hdfs</artifactId>
        <version>2.8.4</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-client</artifactId>
        <version>2.8.4</version>
    </dependency>
    <dependency>
        <groupId>log4j</groupId>
        <artifactId>log4j</artifactId>
        <version>1.2.17</version>
    </dependency>
    <dependency>
        <groupId>org.slf4j</groupId>
        <artifactId>slf4j-api</artifactId>
        <version>1.7.7</version>
    </dependency>
    <dependency>
        <groupId>junit</groupId>
        <artifactId>junit</artifactId>
        <version>4.12</version>
        <scope>test</scope>
    </dependency>
</dependencies>

等待下载的时候我们可以创建项目了。打开src——main——java，右键Package,我们在这里新建一个package。我们在这里包里面写一个wordcount的案例

 

 名字就叫MR

.

 

mr下再建一个包：wc。如图：

 

 在wc下新建一个java类：wcMapper。这个类负责读取单词，生成map（键值对）

再创建一个wcReduce类。这个类负责聚合，把key相同的数据放到一起，并且累加value。

再创建一个wcDriver类，驱动类主要用于关联Mapper 和 Reducer 以及 提交整个程序。就像这样：

 

 在写代码之前，我们先看一个mapreduce编程规范：

 

 继续看代码，我们先写wcMapper类

package MR.wc;

/**
 * 按行读取数据，拆成一个一个的单词
 * */
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;

/**继承Mapper类，这个类要是hadoop.mapreduce.Mapper
 * 这里有一个泛型， Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>KEYIN,VALUEIN 规定数据是以什么类型进入map程序（MR程序提供了几种类型）
 * KEYIN这个参数表示读取文件的行数，一般是数字类型。由于是文件可能会很大，一般不用int，而是用long
 * VALUEIN这个参数表示读取数据的格式，也就是单词的格式，这里就是字符串
 * 我们的对象要在节点之间通过网络传输，就需要序列化。但是java的序列化是一个重量级序列化框架，一个对象被序列化后，会附带很多额外的信息
 * （各种校验信息，header，继承体系等），不便于在网络中高效传输。所以hadoop开发了一套序列化机制（writable），精简，高效
 *
 *
 */
public class wcMapper extends Mapper<LongWritable, Text,Text, IntWritable> {
    Text ko=new Text();
    IntWritable vo=new IntWritable(1);//value值默认为1
    //重写map方法，key跟value是我们读取进来的数据，数据处理玩以后就放到congtext（上下文）里面
    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
        //读取到的这一行数据先转成String类型
        String line = value.toString();
        //按照空格切分单词
        String[] words = line.split(" ");
        //处理数据
        for (String word : words) {
            //keyout设置成单词
            ko.set(word);
            //通过上下把处理好的数据写出
            context.write(ko,vo);
        }
    }}

到这里，map这个过程就写完了，这个过程就实现了按行读取数据，并且把单词转化成了key，value的形式，给每个单词的value值标成了1，然后通过上下文把数据写出，在wc这个程序中，实际上就是把这个key，value传给了wcRecude。让reduce过程去按照key聚合value。

常用java类型对应的HadoopWritable类型：