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:

  1. 编写WordCount.java,包含Mapper类和Reducer类
  2. 编译WordCount.java,javac -classpath
  3. 打包jar -cvf WordCount.jar classes/*
  4. 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

  1. 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. ...

  2. 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 ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. [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 ...

  7. 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 ...

  8. 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( ...

  9. 【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

  1. HTML5 canvas 绘制精美的图形

    HTML5 是一个新兴标准,它正在以越来越快的速度替代久经考验的 HTML4.HTML5 是一个 W3C “工作草案” — 意味着它仍然处于开发阶段 — 它包含丰富的元素和属性,它们都支持现行的 HT ...

  2. C#获取本周、上周、本月、上月、本季度、上季度、本年、上一年起始时间和结束时间

    /// 取得某月的第一天 /// </summary> /// <param name="datetime">要取得月份第一天的时间</param&g ...

  3. sql中的split方法

    ALTER function [dbo].[f_split](@SourceSql varchar(8000),@StrSeprate varchar(10))returns @temp table( ...

  4. RouterOS(ROS)修改vrrp的mac地址

  5. C/S ASP.NET页面传值汇总

    一. QueryString是一种非常简单的传值方式,他可以将传送的值显示在浏览器的地址栏中.如果是传递一个或多个安全性要求不高或是结构简单的数值时,可以使用这个方法.但是对于传递数组或对象的话,就不 ...

  6. Do Palapala (this)

    Description 伟大的中国人民有宝箱容量为S(0<=S<=20000),有m个物品(0<m<=30,每个物品有一个体积(正整数).任取若干个装入箱内,使箱子的剩余空间为 ...

  7. DIR和dirent结构体

    DIR结构体类似于FILE,是一个内部结构 struct __dirstream { void *__fd; char *__data; int __entry_data; char *__ptr; ...

  8. phpcms v9 万能字段使用

    <input type="text" name="info[down]" id="down" value="{FIELD_V ...

  9. MUD江湖_MUD文字游戏_MUD五指_武林群侠_北侠_夺宝江湖_书剑_文字江湖游戏_MUD游戏下载

    MUD江湖_MUD文字游戏_MUD五指_武林群侠_北侠_夺宝江湖_书剑_文字江湖游戏_MUD游戏下载  武侠类手机文字游戏,经典再现高度自由玩法宠物 自制装备 师徒自立门派 自造武功欢迎来玩 Q群 1 ...

  10. Unix/Linux环境C编程入门教程(19)Red Hat Entetprise Linux 7.0环境搭建

    位架构,包括英特尔X-86_64.Power和s390.动态定时能力将降低内核内部中断数量,Open vSwitch 2.0功能可调节虚拟机之间的流量.RHEL 7中默认的文件系统是XFS,包含了一个 ...