package wordcount;
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.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.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class wordcount {
        public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{   //继承泛型类Mapper
               
private final static IntWritable one = new IntWritable(1);  //定义hadoop数据类型IntWritable实例one,并且赋值为1
               
private Text word = new Text();                                    //定义hadoop数据类型Text实例word
 
               
public void map(Object key, Text value, Context context) throws IOException, InterruptedException { //实现map函数
                        StringTokenizer itr = new StringTokenizer(value.toString());//Java的字符串分解类,默认分隔符“空格”、“制表符(‘\t’)”、“换行符(‘\n’)”、“回车符(‘\r’)”

while (itr.hasMoreTokens()) {  //循环条件表示返回是否还有分隔符。
                                word.set(itr.nextToken());   // nextToken():返回从当前位置到下一个分隔符的字符串,word.set():Java数据类型与hadoop数据类型转换
                                context.write(word, one);   //hadoop全局类context输出函数write;
                        }
        
}

}

public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {    //继承泛型类Reducer
        
private IntWritable result = new IntWritable();   //实例化IntWritable
        
public void reduce(Text key, Iterable<IntWritable> values, Context context ) throws IOException, InterruptedException {  //实现reduce
                    int sum = 0;
                   
for (IntWritable val : values)    //循环values,并记录单词个数
                               sum += val.get();
                    result.set(sum);   //Java数据类型sum,转换为hadoop数据类型result
                    context.write(key, result);   //输出结果到hdfs
         
}
}

public static void main(String[] args) throws Exception {
        
Configuration conf = new Configuration();   //实例化Configuration
/***********
GenericOptionsParser是hadoop框架中解析命令行参数的基本类。 getRemainingArgs();返回数组【一组路径】
*********/
/**********
函数实现
public String[] getRemainingArgs() {
    return (commandLine == null) ? new String[]{} : commandLine.getArgs();
  }

/********
//总结上面:返回数组【一组路径】
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();

//如果只有一个路径,则输出需要有输入路径和输出路径
if (otherArgs.length < 2) {
   System.err.println("Usage: wordcount <in> [<in>...] <out>");
   System.exit(2);
}

Job job = Job.getInstance(conf, "word count");   //实例化job
job.setJarByClass(wordcount.class);   //为了能够找到wordcount这个类
job.setMapperClass(TokenizerMapper.class);   //指定map类型
/********
指定CombinerClass类
这里很多人对CombinerClass不理解
************/
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);  //指定reduce类
job.setOutputKeyClass(Text.class); //rduce输出Key的类型,是Text
job.setOutputValueClass(IntWritable.class);  // rduce输出Value的类型

for (int i = 0; i < otherArgs.length - 1; ++i)
   FileInputFormat.addInputPath(job, new Path(otherArgs));  //添加输入路径

FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));   //添加输出路径
System.exit(job.waitForCompletion(true) ? 0 : 1);  //提交job
}
}

wordcount源代码详解的更多相关文章

  1. Hadoop集群WordCount运行详解(转)

    原文链接:Hadoop集群(第6期)_WordCount运行详解 1.MapReduce理论简介 1.1 MapReduce编程模型 MapReduce采用"分而治之"的思想,把对 ...

  2. Mpg123源代码详解

    Mpg123与libmad一样,支持mpeg1,2,2.5音频解码.目前来看mpg123比libmad支持了网络播放功能.而且libmad基本上开源社区在2005年左右,基本停止更新,mpg123至今 ...

  3. WordCount运行详解

    1.MapReduce理论简介 1.1 MapReduce编程模型 MapReduce采用"分而治之"的思想,把对大规模数据集的操作,分发给一个主节点管理下的各个分节点共同完成,然 ...

  4. hadoop WordCount例子详解。

    [学习笔记] 下载hadoop-2.7.4-src.tar.gz,拷贝hadoop-2.7.4-src.tar.gz中hadoop-mapreduce-project\hadoop-mapreduce ...

  5. Hadoop下面WordCount运行详解

    单词计数是最简单也是最能体现MapReduce思想的程序之一,可以称为MapReduce版"Hello World",该程序的完整代码可以在Hadoop安装包的"src/ ...

  6. 结合源代码详解android消息模型

    Handler是整个消息系统的核心,是Handler向MessageQueue发送的Message,最后Looper也是把消息通知给Handler,所以就从Handler讲起. 一.Handler H ...

  7. mapreduce入门之wordcount注释详解

    mapreduce版本:0.2.0之前 说明: 该注释为之前学习时找到的一篇,现在只是在入门以后对该注释做了一些修正以及添加. 由于版本问题,该代码并没有在集群环境中运行,只将其做为理解mapredu ...

  8. java Object类源代码详解 及native (转自 http://blog.csdn.net/sjw890821sjw/article/details/8058843)

    package java.lang; public class Object { /* 一个本地方法,具体是用C(C++)在DLL中实现的,然后通过JNI调用.*/ private static na ...

  9. 【算法】C++用链表实现一个箱子排序附源代码详解

    01 箱子排序 1.1 什么是分配排序? 分配排序的基本思想:排序过程无须比较关键字,而是通过"分配"和"收集"过程来实现排序.它们的时间复杂度可达到线性阶:O ...

随机推荐

  1. 【AGC 002F】Leftmost Ball

    Description Snuke loves colorful balls. He has a total of N*K balls, K in each of his favorite N col ...

  2. svn 解决冲突

    当svn update时提示如下: D C main.go > local file unversioned, incoming file add upon updateSummary of c ...

  3. Studio 5000编程:如何判断AB PLC系统中的硬件设备是否在正常工作

    前言:PLC控制系统,主要由CPU.本机架I/O模块,分布式I/O模块,通信模块,或其他设备(如:伺服驱动器.交换机.第三方设备)等组成,如何判断这些设备是否工作正常?或是一旦出现故障,能在第一时间判 ...

  4. 从XML文件和properties文件提取数据

    XML文档格式内容如下 <?xml version="1.0" encoding="UTF-8"?> <root>     <fi ...

  5. L1-Day8

    1.他就是我昨天见的那个人. [我的翻译]He is a man who I saw him yestorday. [标准答案]He is the man (who(m) /that) I saw y ...

  6. github 远程库

    一.在 Github 创建 django 项目时:先在本地创建项目,然后设置为本地仓库,再与远程仓库关联 在 Git Bash 进入django项目目录,输入命令git init,此时这个目录变成Gi ...

  7. apt-get install 出问题怎么办?

    有时候在用apt-get安装包的时候总是会莫名其妙出现各种问题,建议先把如下命令行按顺序敲一遍,基本上都能解决 sudo apt-get clean sudo apt-get update sudo ...

  8. LeetCode第二十一题-对两个有序链表排序

    Merge Two Sorted Lists 问题简介:合并两个已排序的链表并将其作为新链表返回 举例: 输入: 1->3->5, 1->2->4 输出: 1->1-&g ...

  9. #2018-2019-2-20175204 张湲祯 实验一 《Java开发环境的熟悉》实验报告

    2018-2019-2-20175204 张湲祯 实验一 <Java开发环境的熟悉>实验报告 一.实验内容及步骤 一.使用JDK编译.运行简单的Java程序 1.输入cd zyz命令进入z ...

  10. python 识别图片文字

    今天群里有兄弟问如何把图片的文字给识别出来 对于python来说这不是小菜一碟吗,于是乎让pupilheart狠狠的吹了一波(哈哈,竟然没懂),下面将整个实现过程给大家实现下: 方法一:自己搞定ORC ...