新手指导：Hadoop示例程序WordCount运行及详解

问题导读：
刚开始学习一般，都会先跑一下wordcount。
那么该如何运行wordcount?
运行wordcount程序都是什么含义？
这里整理一下。







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。

运行方法：

假设：
• /home/cq/wordcount/input - 是 HDFS 中的输入路径
• /home/cq/wordcount/output - 是 HDFS 中的输出路径

用示例文本文件做为输入：

$ bin/hadoop fs -ls /home/cq/wordcount/input/ 
/ home/cq /wordcount/input/file01
/ home/cq /wordcount/input/file02
复制代码

$ bin/hadoop fs -cat / home/cq / wordcount/input/file01 
Hello World Bye World
复制代码

$ bin/hadoop dfs -cat /home/cq/wordcount/input/file02 
Hello Hadoop Goodbye Hadoop  
复制代码

运行应用程序：

$ bin/hadoop jar /*/WordCount  /home/cq/wordcount/input /home/cq/wordcount/output
复制代码

输出是：

$ bin/hadoop dfs -cat /home/cq/wordcount/output/part-00000
Bye 1
Goodbye 1
Hadoop 2
Hello 2
World 2  


详解：

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 
} 
}
复制代码