(转载)Hadoop示例程序WordCount详解

最近在学习云计算，研究Haddop框架，费了一整天时间将Hadoop在Linux下完全运行起来，看到官方的map-reduce的demo程序WordCount，仔细研究了一下，算做入门了。

其实WordCount并不难，只是一下子接触到了很多的API，有一些陌生，还有就是很传统的开发相比，map-reduce确实是一种新的编程理念，为了让各位新手少走弯路，我将WordCount中的很多API都做了注释，其实这些方法搞明白了以后程序就很简单了，无非就是将一句话分词，先用map处理再用reduce处理，最后再main函数中设置一些信息，然后run()，程序就结束了。好了，不废话，直接上代码：

 package com.felix;

 import java.io.IOException;
 import java.util.Iterator;
 import java.util.StringTokenizer;

 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.mapred.FileInputFormat;
 import org.apache.hadoop.mapred.FileOutputFormat;
 import org.apache.hadoop.mapred.JobClient;
 import org.apache.hadoop.mapred.JobConf;
 import org.apache.hadoop.mapred.MapReduceBase;
 import org.apache.hadoop.mapred.Mapper;
 import org.apache.hadoop.mapred.OutputCollector;
 import org.apache.hadoop.mapred.Reducer;
 import org.apache.hadoop.mapred.Reporter;
 import org.apache.hadoop.mapred.TextInputFormat;
 import org.apache.hadoop.mapred.TextOutputFormat;
 /**
  *
  * 描述：WordCount explains by Felix
  * @author Hadoop Dev Group
  */
 public class WordCount
 {

     /**
      * MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）
      * Mapper接口：
      * WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。
      * Reporter 则可用于报告整个应用的运行进度，本例中未使用。
      *
      */
     public static class Map extends MapReduceBase implements
             Mapper<LongWritable, Text, Text, IntWritable>
     {
         /**
          * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，
          * 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。
          */
         private final static IntWritable one = new IntWritable(1);
         private Text word = new Text();

         /**
          * Mapper接口中的map方法：
          * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
          * 映射一个单个的输入k/v对到一个中间的k/v对
          * 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。
          * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。
          * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
          */
         public void map(LongWritable key, Text value,
                 OutputCollector<Text, IntWritable> output, Reporter reporter)
                 throws IOException
         {
             String line = value.toString();
             StringTokenizer tokenizer = new StringTokenizer(line);
             while (tokenizer.hasMoreTokens())
             {
                 word.set(tokenizer.nextToken());
                 output.collect(word, one);
             }
         }
     }

     public static class Reduce extends MapReduceBase implements
             Reducer<Text, IntWritable, Text, IntWritable>
     {
         public void reduce(Text key, Iterator<IntWritable> values,
                 OutputCollector<Text, IntWritable> output, Reporter reporter)
                 throws IOException
         {
             int sum = 0;
             while (values.hasNext())
             {
                 sum += values.next().get();
             }
             output.collect(key, new IntWritable(sum));
         }
     }

     public static void main(String[] args) throws Exception
     {
         /**
          * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
          * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
          */
         JobConf conf = new JobConf(WordCount.class);
         conf.setJobName("wordcount");           //设置一个用户定义的job名称

         conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类
         conf.setOutputValueClass(IntWritable.class);   //为job输出设置value类

         conf.setMapperClass(Map.class);         //为job设置Mapper类
         conf.setCombinerClass(Reduce.class);      //为job设置Combiner类
         conf.setReducerClass(Reduce.class);        //为job设置Reduce类

         conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类
         conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类

         /**
          * InputFormat描述map-reduce中对job的输入定义
          * setInputPaths():为map-reduce job设置路径数组作为输入列表
          * setInputPath()：为map-reduce job设置路径数组作为输出列表
          */
         FileInputFormat.setInputPaths(conf, new Path(args[0]));
         FileOutputFormat.setOutputPath(conf, new Path(args[1]));

         JobClient.runJob(conf);         //运行一个job
     }
 }

(文章转自：http://www.iteye.com/topic/606962)