hadoop的wordcount的改动版

//这个是在原来的基础上改动以后得到的，将当中的分词的根据给换掉了，而且进行词频统计的时候会自己主动的忽略大写和小写

packageorg.apache.hadoop.mapred;

importjava.io.IOException;

importjava.util.ArrayList;

importjava.util.Iterator;

importjava.util.List;

importjava.util.StringTokenizer;

importorg.apache.hadoop.conf.Configuration;

import org.apache.hadoop.conf.Configured;

importorg.apache.hadoop.fs.Path;

importorg.apache.hadoop.io.IntWritable;

importorg.apache.hadoop.io.LongWritable;

importorg.apache.hadoop.io.Text;

importorg.apache.hadoop.mapred.FileInputFormat;

import org.apache.hadoop.mapred.FileOutputFormat;

importorg.apache.hadoop.mapred.JobClient;

importorg.apache.hadoop.mapred.JobConf;

importorg.apache.hadoop.mapred.MapReduceBase;

importorg.apache.hadoop.mapred.Mapper;

importorg.apache.hadoop.mapred.OutputCollector;

import org.apache.hadoop.mapred.Reducer;

importorg.apache.hadoop.mapred.Reporter;

importorg.apache.hadoop.util.Tool;

importorg.apache.hadoop.util.ToolRunner;

public classWordCount extends Configured implements Tool {

/*

这个类实现mapper接口的map方法，输入的是文本总的每一行。

利用StringTokenizer将字符串拆分成单词。然后将输出结果(word,
1)写入到OutputCollector中去

OutputCollector有hadoop框架提供，负责收集mapper和reducer的输出数据，实现map函数和reduce函数时。仅仅须要将输出的<key,value>对向OutputCollector一丢就可以，其余的事情框架会自己处理。

*/

public static class MapClass extendsMapReduceBase

implements Mapper<LongWritable, Text,Text, IntWritable> {

private final static IntWritable one = newIntWritable(1);

private Text word = new Text();

/*类中的LongWritable,  Text, IntWritable是hadoop中实现的用于封装Java数据类型的类，这些类都可以被串行化从而便于在分布式系统中进行数据交换。可以将它们等同的视为long,string,int的替代品

*/

public void map(LongWritable key, Textvalue,

OutputCollector<Text,IntWritable> output,

Reporter reporter) throwsIOException {

String line = value.toString();

StringTokenizer itr = new StringTokenizer(line,”\t\n\r\f,. : ; ? ! [] ‘ ”);

//原来仅仅是用空格来分词。如今利用标点和空格等进行分词

while (itr.hasMoreTokens()) {

word.set(itr.nextToken().toLowerCase());//单词统计的时候忽略大写和小写

output.collect(word, one);）

}

}

}

/*

此类实现的是Reducer接口中的reduce方法。函数中的參数key.value是由mapper输出的中间结果。values是一个iterator（迭代器）

*/

public static class Reduce extendsMapReduceBase

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;

/*

遍历这个迭代器，就行得到有同样的key的全部的value值。

此处的key是一个单词，而value则是词频

*/

while (values.hasNext()) {

sum += values.next().get();

}

//遍历后得到这个单词出现的总次数。

output.collect(key, newIntWritable(sum));

}

}

static int printUsage() {

System.out.println("wordcount [-m<maps>] [-r <reduces>] <input> <output>");//输入输入路径

ToolRunner.printGenericCommandUsage(System.out);

return -1;

}

/*

Wordcount中map/reduce项目的主要驱动程序，调用此方法提交的map
/ reduce任务。

在hadoop中一次计算任务成为一个job，能够通过以一个JobConf对象设置怎样执行这个job，此处定义了输出的key
类型是text,而value的类型是IntWritable

*/

public int run(String[] args) throwsException {

JobConf conf = new JobConf(getConf(),WordCount.class);

conf.setJobName("wordcount");

// key是text（words）

conf.setOutputKeyClass(Text.class);

// value是IntWritable (ints)

conf.setOutputValueClass(IntWritable.class);

conf.setMapperClass(MapClass.class);

conf.setCombinerClass(Reduce.class);

conf.setReducerClass(Reduce.class);

List<String> other_args = newArrayList<String>();

for(int i=0; i < args.length; ++i) {

try {

if ("-m".equals(args[i])) {

conf.setNumMapTasks(Integer.parseInt(args[++i]));

} else if("-r".equals(args[i])) {

conf.setNumReduceTasks(Integer.parseInt(args[++i]));

} else {

other_args.add(args[i]);

}

} catch (NumberFormatException except) {

System.out.println("ERROR: Integerexpected instead of " + args[i]);

return printUsage();

} catch (ArrayIndexOutOfBoundsExceptionexcept) {

System.out.println("ERROR:Required parameter missing from " +

args[i-1]);

return printUsage();

}

}

// Make sure there are exactly 2 parametersleft.

if (other_args.size() != 2) {

System.out.println("ERROR: Wrongnumber of parameters: " +

other_args.size() +" instead of 2.");

return printUsage();

}

FileInputFormat.setInputPaths(conf,other_args.get(0));

FileOutputFormat.setOutputPath(conf, newPath(other_args.get(1)));

JobClient.runJob(conf);

return 0;

}

public static void main(String[] args) throwsException {

/* ToolRunner的run方法開始,run方法有三个參数。第一个是Configuration类的实例，第二个是wordcount的实例，args则是从控制台接收到的命令行数组

*/

int res = ToolRunner.run(newConfiguration(), new WordCount(), args);

System.exit(res);

}

}