自定义Counter使用

自定义计数器的使用（记录敏感单词）

 package counter;

 import java.net.URI;
 import org.apache.hadoop.conf.Configuration;
 import org.apache.hadoop.fs.FileSystem;
 import org.apache.hadoop.fs.Path;
 import org.apache.hadoop.io.LongWritable;
 import org.apache.hadoop.io.Text;
 import org.apache.hadoop.mapreduce.Counter;
 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 WordCountApp {
     static final String INPUT_PATH = "hdfs://chaoren:9000/hello";
     static final String OUT_PATH = "hdfs://chaoren:9000/out";

     public static void main(String[] args) throws Exception {
         Configuration conf = new Configuration();
         FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
         Path outPath = new Path(OUT_PATH);
         if (fileSystem.exists(outPath)) {
             fileSystem.delete(outPath, true);
         }

         Job job = new Job(conf, WordCountApp.class.getSimpleName());

         // 1.1指定读取的文件位于哪里
         FileInputFormat.setInputPaths(job, INPUT_PATH);
         // 指定如何对输入的文件进行格式化，把输入文件每一行解析成键值对
         //job.setInputFormatClass(TextInputFormat.class);

         // 1.2指定自定义的map类
         job.setMapperClass(MyMapper.class);
         // map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
         //job.setOutputKeyClass(Text.class);
         //job.setOutputValueClass(LongWritable.class);

         // 1.3分区
         //job.setPartitionerClass(org.apache.hadoop.mapreduce.lib.partition.HashPartitioner.class);
         // 有一个reduce任务运行
         //job.setNumReduceTasks(1);

         // 1.4排序、分组

         // 1.5归约

         // 2.2指定自定义reduce类
         job.setReducerClass(MyReducer.class);
         // 指定reduce的输出类型
         job.setOutputKeyClass(Text.class);
         job.setOutputValueClass(LongWritable.class);

         // 2.3指定写出到哪里
         FileOutputFormat.setOutputPath(job, outPath);
         // 指定输出文件的格式化类
         //job.setOutputFormatClass(TextOutputFormat.class);

         // 把job提交给jobtracker运行
         job.waitForCompletion(true);
     }

     /**
      *
      * KEYIN     即K1     表示行的偏移量
      * VALUEIN     即V1     表示行文本内容
      * KEYOUT     即K2     表示行中出现的单词
      * VALUEOUT 即V2        表示行中出现的单词的次数，固定值1
      *
      */
     static class MyMapper extends
             Mapper<LongWritable, Text, Text, LongWritable> {
         protected void map(LongWritable k1, Text v1, Context context)
                 throws java.io.IOException, InterruptedException {
             /**
              * 自定义计数器的使用
              */
             Counter counter = context.getCounter("Sensitive Words", "hello");//自定义计数器名称Sensitive Words
             String line = v1.toString();
             if(line.contains("hello")){
                 counter.increment(1L);//记录敏感词汇hello的出现次数
             }
             String[] splited = line.split("\t");
             for (String word : splited) {
                 context.write(new Text(word), new LongWritable(1));
             }
         };
     }

     /**
      * KEYIN     即K2     表示行中出现的单词
      * VALUEIN     即V2     表示出现的单词的次数
      * KEYOUT     即K3     表示行中出现的不同单词
      * VALUEOUT 即V3     表示行中出现的不同单词的总次数
      */
     static class MyReducer extends
             Reducer<Text, LongWritable, Text, LongWritable> {
         protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s,
                 Context ctx) throws java.io.IOException,
                 InterruptedException {
             long times = 0L;
             for (LongWritable count : v2s) {
                 times += count.get();
             }
             ctx.write(k2, new LongWritable(times));
         };
     }
 }

在eclipse中运行后，可以在控制台查看到结果：