hadoop笔记之MapReduce的应用案例(WordCount单词计数)
MapReduce的应用案例(WordCount单词计数)
MapReduce的应用案例(WordCount单词计数)
1. WordCount单词计数
作用:
计算文件中出现每个单词的频数
输入结果按照字母顺序进行排序
Map过程
Reduce过程
WordCount的源代码
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
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.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;
public class WordCount {
public static class WordCountMap extends
Mapper<LongWritable, Text, Text, IntWritable> {
private final IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer token = new StringTokenizer(line);
while (token.hasMoreTokens()) {
word.set(token.nextToken());
context.write(word, one);
}
}
}
public static class WordCountReduce extends
Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = new Job(conf);
job.setJarByClass(WordCount.class);
job.setJobName("wordcount");
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
job.setMapperClass(WordCountMap.class);
job.setReducerClass(WordCountReduce.class);
job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.waitForCompletion(true);
}
}
代码解析:
首先是导入各种的相应的类import
开始定义一个类WordCount
public class WordCount{}
在这个类里面包含了两个内置的类,一个叫TokenizerMapper,另一个叫IntSumReducer
public static class TokenizerMapper
public static class IntSumReducer
其中第一个设置了Mapper的输入格式分别是Object(key)和Text(value),输出类型是Text(key)和IntWritable(value)
其中
extends Mapper<Object,Text,Text,IntWritable>{}
这里的one表示单词出现过1次
private final IntWritable one = new IntWritable(1);
接下来就是map操作
public void map(Object key,Text value,Context context)
map操作做一个节段进行分词,如果发现一个词以后就进行写入一个word一个one
word.set(itr.nextToken());
context.write(word,one);
第二个类IntSumReducer,它继承于Reduce接口,设置Reducer的类型是Text和IntWritable,输出类型是Text和IntWritable
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable>{}
Reducer做累加
sum+=val.get();
写好之后有个main函数,用于设置相应的配置文件,包括输入文件目录和输出文件目录,配置作业名字,配置作业中的各个类等等
public static void main(String[] args) throws Exception{}
WordCount单词计数步骤:
- 编写WordCount.java,包含Mapper类和Reducer类
- 编译WordCount.java,
javac -classpath - 打包jar
-cvf WordCount.jar classes/* - 作业提交
hadoop jar WordCount.jar WordCount input output
详细:
检查hadoop的运行情况jps,确定NameNode、DataNode、TaskTracker、Jobtracker、SecondaryNameNode的启动情况
java程序编写
vim WordCount.java
写完之后保存,然后进行编译(因为要动用hadoop里面的一些架包,所以如果用命令行的话要用-classpath进行架包的加入,如果是一些IDE可以直接进行编译)
javac -classpath /opt/hadoop-1.2.1/hadoop-core-1.2.1.jar:/opt/hadoop-1.2.1/lib/commons-cli-1.2.jar -d word_count_class/ WordCount.java
cd word_count_class/
ls
会在word_count_class文件目录下看到三个已经编译好的文件:WordCount.class、WordCount$WordCountMap.class、WordCount$WordCountReduce.class
把编译好的文件打包
jar -cvf wordcount.jar *.class
把原始文件打开WordCount.java,有两个参数输入和输出
FileInputFormat.addInputPath(job,new Path(arg[0]));
FileOutputFormat.setOutputPath(job,new Path(args[1]));
进入输入文件目录cd input/,在input文件目录下有两个个文件file1、file2,文件内有一些字符串,将file1和file2提交到hadoop里面去
hadoop fs -mkdir input_wordcount
hadoop fs -put input/* input_wordcount/
hadoop fs -ls input_wordcount
hadoop fs -cat input_wordcount/file1
把输入文件上传到hadoop之后就可以提交作业
hadoop jar word_count_class/wordcount.jar WordCount input_wordcount output_wordcount
输入是input_wordcount,输出是output_wordcount,如果没有output_wordcount这个文件夹,那将会新建一个
查看output文件
hadoop fs -ls output_wordcount
注意最后一个文件,例如这里是part-r-00000
hadoop fs -cat output_wordcount/part-r-00000
这就是WordCount单词计数的完整过程,用的是hadoop1.2.1版本
hadoop笔记之MapReduce的应用案例(WordCount单词计数)的更多相关文章
- hadoop笔记之MapReduce的应用案例(利用MapReduce进行排序)
MapReduce的应用案例(利用MapReduce进行排序) MapReduce的应用案例(利用MapReduce进行排序) 思路: Reduce之后直接进行结果合并 具体样例: 程序名:Sort. ...
- hadoop笔记之MapReduce的运行流程
MapReduce的运行流程 MapReduce的运行流程 基本概念: Job&Task:要完成一个作业(Job),就要分成很多个Task,Task又分为MapTask和ReduceTask ...
- hadoop笔记之MapReduce原理
MapReduce原理 MapReduce原理 简单来说就是,一个大任务分成多个小的子任务(map),并行执行后,合并结果(reduce). 例子: 100GB的网站访问日志文件,找出访问次数最多的I ...
- Hadoop WordCount单词计数原理
计算文件中出现每个单词的频数 输入结果按照字母顺序进行排序 编写WordCount.java 包含Mapper类和Reducer类 编译WordCount.java javac -classpath ...
- Spark本地环境实现wordCount单词计数
注:图片如果损坏,点击文章链接:https://www.toutiao.com/i6814778610788860424/ 编写类似MapReduce的案例-单词统计WordCount 要统计的文件为 ...
- [spark案例学习] 单词计数
数据准备 数据下载:<莎士比亚全集> 我们先来看看原始数据:首先将数据加载到RDD,然后显示数据框的前15行. shakespeareDF = sqlContext.read.text(f ...
- 每天收获一点点------Hadoop之初始MapReduce
一.神马是高大上的MapReduce MapReduce是Google的一项重要技术,它首先是一个编程模型,用以进行大数据量的计算.对于大数据量的计算,通常采用的处理手法就是并行计算.但对许多开发者来 ...
- Hadoop MapReduce编程入门案例
Hadoop入门例程简介 一个.有些指令 (1)Hadoop新与旧API差异 新API倾向于使用虚拟课堂(象类),而不是接口.由于这更easy扩展. 比如,能够无需改动类的实现而在虚类中加入一个方法( ...
- 【hadoop代码笔记】Mapreduce shuffle过程之Map输出过程
一.概要描述 shuffle是MapReduce的一个核心过程,因此没有在前面的MapReduce作业提交的过程中描述,而是单独拿出来比较详细的描述. 根据官方的流程图示如下: 本篇文章中只是想尝试从 ...
随机推荐
- 【水:最长公共子序列】【HDU1159】【Common Subsequence】
Common Subsequence Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 65536/32768 K (Java/Other ...
- json输出用法+jquery validate
<%@ Page Language="C#" AutoEventWireup="true" CodeBehind="WebForm1.aspx. ...
- 用CSS做圆角矩形
第一种方法:如果是CSS2.2的话,可以简单写一个制作圆角矩形,分上中下裁成三张图 <title>CSS3实现圆角</title> <style type="t ...
- c++到c#数据类型的转换
c++与c#的类型转换 分类:cSharp | 标签: c# system intptr char uint 2012-02-29 19:54 阅读(513)评论(0)编辑删除 //c++: ...
- TSF自定义候选词列表界面
概述 TSF(Text Service Framework),已经取代IMM(Input Method Manager),成为win8+系统的输入法框架.现在有个需求,触摸屏上要使用软键盘(虚拟键盘, ...
- MySql中游标使用总是多循环一次的解决方法
CREATE DEFINER = 'root'@'%' PROCEDURE deyestest.procedure2() BEGIN DECLARE v_id INT; DECLARE v_userN ...
- 2-4. BCD解密(10)
BCD数是用一个字节来表达两位十进制的数,每四个比特表示一位.所以如果一个BCD数的十六进制是0x12,它表达的就是十进制的12.但是小明没学过BCD,把所有的BCD数都当作二进制数转换成十进制输出了 ...
- 使用JLink间接烧写S3C2410、S3C2440开发板Nor、Nand Flash的方法
1. 简要说明 JLink的调试功能.烧写Flash的功能都很强大,但是对于S3C2410.S3C2440的Flash操作有些麻烦:烧写Nor Flash时需要设置SDRAM,否则速率很慢:烧写Nan ...
- 三篇编译libcurl,附下载 good
http://download.csdn.net/detail/flyliying/2982867 http://download.csdn.net/detail/wojiushiwo987/9113 ...
- WampServer下如何实现多域名配置
原文:WampServer下如何实现多域名配置 之前在学习跨域的时候,我写过一篇叫做WampServer下使用多端口访问的文章,默认的 localhost 采用的是 80 端口,能使用多端口访问的核心 ...