Hadoop入门程序WordCount的执行过程

　　首先编写WordCount.java源文件，分别通过map和reduce方法统计文本中每个单词出现的次数，然后按照字母的顺序排列输出，

　　Map过程首先是多个map并行提取多个句子里面的单词然后分别列出来每个单词，出现次数为1，全部列举出来

　　

　　Reduce过程首先将相同key的数据进行查找分组然后合并，比如对于key为Hello的数据分组为：<Hello, 1>、<Hello,1>、<Hello,1>，合并之后就是<Hello,1+1+1>，分组也可以理解为reduce的操作，合并减少数据时reduce的主要任务，叠加运算之后就是<Hello, 3>所以最后可以输出Hello 3，这样就完成了一轮MapReduce处理

　　

　　WordCount.java代码如下：

 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;

 public class WordCount {

     public static class Map extends MapReduceBase implements
             Mapper<LongWritable, Text, Text, IntWritable> {
         private final static IntWritable one = new IntWritable(1);
         private Text word = new Text();

         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 conf = new JobConf(WordCount.class);
         conf.setJobName("wordcount");

         conf.setOutputKeyClass(Text.class);
         conf.setOutputValueClass(IntWritable.class);

         conf.setMapperClass(Map.class);
         conf.setCombinerClass(Reduce.class);
         conf.setReducerClass(Reduce.class);

         conf.setInputFormat(TextInputFormat.class);
         conf.setOutputFormat(TextOutputFormat.class);

         FileInputFormat.setInputPaths(conf, new Path(args[0]));
         FileOutputFormat.setOutputPath(conf, new Path(args[1]));

         JobClient.runJob(conf);
     }
 }

　　将此java文件上传到服务器后，首先要进行编译，如果是eclipse会自动完成，如果没有配置开发环境需要手动对源文件进行编译，命令如下：

javac -classpath /hadoop/hadoop-1.2./hadoop-core-1.2..jar:/hadoop/hadoop-1.2./lib/commons-cli-1.2.jar WordCount.java

　　编译的时候需要制定上面两个jar包，编译完成之后除了生成WordCount.class字节码之外还有WordCount$Map.class和WordCount$Reduce.class，我们知道这两个文件是内部类Map和Reduce生成的

　　然后开始对class文件打包生成wordcount.jar

jar -cvf wordcount.jar *.class

　　

　　现在就打包生成了wordcount.jar文件

　　接下来可以通过传给main方法参数执行参数是两个字符串，分别为args[0]和args[1]，可以把它放到文件中进行输入，那么可以在hdfs文件系统中建立两个文件file01和file02并写入内容，依次执行命令：

$ echo "Hello World Hello Java" > file01
$ echo "Hello World Hello Hadoop" > file02
$ hadoop fs -mkdir input
$ hadoop fs -put file0* input/

　　现在hdfs文件系统中/user/用户名/input下就有两个文件file01和file02，同样我们可以用命令查看文件的存在性和内容

　　接下来就可以提交任务用hadoop来运行jar包中的函数进行数据处理了

hadoop jar wordcount.jar WordCount input output

　　WordCount代码jar包里的主类，input是传入的文件作为参数，output参数就是hadoop作业完毕之后结果存放目录，开始执行会看到map和reduce的处理进度

　　

　　处理完毕后，通过hadoop fs -ls output/ 查看生成的结果文件是否存在

　　

　　通过结果可以看到任务执行正常并输出了结果文件，可以用hadoop fs -get output localdata将文件传到本地查看，也可以执行下面命令查看文件的内容

hadoop fs -cat output/part-

　　

　　可以看到结果按顺序统计出来了，到这里一个简单的WordCount程序就手动开发成功了