博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
MapReduce实现WordCount词频统计
阅读量:4159 次
发布时间:2019-05-26

本文共 4491 字,大约阅读时间需要 14 分钟。

文章目录

一.设计分析

  • 1.Map过程:并行读取文本,对读取的单词进行map操作,每个词都以<key,value>形式生成
  • 2.Reduce操作是对map的结果进行排序合并最后得出词频

二.代码开发

1.新建maven工程,添加依赖

org.apache.hadoop
hadoop-common
2.6.0
org.apache.hadoop
hadoop-hdfs
2.6.0
org.apache.hadoop
hadoop-client
2.6.0
org.apache.hadoop
hadoop-mapreduce-client-core
2.6.0
commons-logging
commons-logging
1.2

2.编写Mapper类

package hadoop.mapreduce;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;/** * @author sunyong * @date 2020/07/01 * @description * KEYIN:输入的key类型 * VALUEIN:输入的value类型 * KEYOUT:输出的key类型 * VALUEOUT:输出的value类型 */public class WCMapper extends Mapper
{
Text k = new Text(); IntWritable v = new IntWritable(1); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//1.将文本转化成字符串 String line = value.toString(); //2.将字符串切割 String[] words = line.split("\\s+"); //3.循环遍历,将每一个单词写出去 for (String word : words) {
k.set(word); context.write(k,v); } }}

3.编写Reduce类

package hadoop.mapreduce;import org.apache.hadoop.io.IntWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;/** * @author sunyong * @date 2020/07/01 * @description * KEYIN:reduce端输入的key类型,即map端输出的key类型 * VALUEIN:reduce输入的value类型,即map端输出的value类型 * KEYOUT:reduce输出的key类型 * VALUEOUT:reduce输出的value类型 */public class WCReducer extends Reducer< Text,IntWritable,Text, IntWritable> {
IntWritable v = new IntWritable(); int sum; @Override protected void reduce(Text key, Iterable
values, Context context) throws IOException, InterruptedException {
//reduce端接收到的类型大概是这样的 (wish,(1,1,1,1)) //对迭代器进行累加求和 //sum必须赋值为0初始化,因为reduce方法是每个键都会执行一次 sum=0; for (IntWritable count : values) {
sum+=count.get(); } v.set(sum); //将key和value进行写出 context.write(key,v); }}

4.编写Driver类执行Job

package hadoop.mapreduce;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.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import java.io.IOException;/** * @author sunyong * @date 2020/07/01 * @description */public class WCDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//1.创建配置文件,创建Job Configuration conf = new Configuration(); Job job = Job.getInstance(conf,"wordcount"); //2.设置jar的位置,参数为本类类名.class job.setJarByClass(WCDriver.class); //3.设置map和reduce的位置 job.setMapperClass(WCMapper.class); job.setReducerClass(WCReducer.class); //4.设置map输出端的key,value类型 job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); //5.设置reduce输出的key,value类型 job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); //6.设置输入和输出路径,输入的是本地自己建的txt文件,会输出一个test目录 FileInputFormat.setInputPaths(job,new Path("F:\\sunyong\\Java\\codes\\javaToHdfs\\download\\a.txt")); FileOutputFormat.setOutputPath(job,new Path("test")); //7.提交程序运行 boolean result = job.waitForCompletion(true); System.exit(result?0:1); }}

5.执行会在本工程目录出现一个test目录打开目录中的part-r-00000文件即统计词频文件,如下:

在这里插入图片描述

6.在hadoop中运行

1)修改Driver类中输入输出路径:

//6.设置输入输出路径        FileInputFormat.setInputPaths(job,new Path(args[0]));        FileOutputFormat.setOutputPath(job,new Path(args[1]));

2)打jar包将jar包上传到hadoop的lib目录下

3)将测试数据上传到hdfs目录中:

hdfs dfs -mkdir /input,hdfs dfs -put /tmp/test.txt /input/

4)提交MapReduce作业运行: (注意如果存在output目录需要先删除)

hadoop jar /opt/install/hadoop/lib/javaToHdfs.jar hadoop.mapreduce.WCDriver /input/test.txt /output

5)查看作业输出结果,如下图所示:

hdfs dfs -text /output/part-*

在这里插入图片描述

转载地址:http://gdjxi.baihongyu.com/

你可能感兴趣的文章
写给我们这些浮躁的系统工程师
查看>>
和平分手?你根本不知道吴恩达在百度经历了什么
查看>>
业余研究:关于腾讯与他的QQ帝国
查看>>
马云校长湖畔大学第三期讲义完整版
查看>>
iPhone为什么比Android好
查看>>
小程序的今天就是微信指数的明天
查看>>
从互联网到人工智能,BAT这七年来到底做了什么
查看>>
2012年十大科技趋势:Siri将震惊世界
查看>>
2017(第十届)中国绿公司年会马云演讲
查看>>
李彦宏:睡不着觉不是因对手
查看>>
从手Q与微信之争,看腾讯内在的真实矛盾与战略
查看>>
移动互联网的七宗败案
查看>>
互联网十大失败案
查看>>
小米颓势已现,生死劫命悬手机
查看>>
三大隐忧 三星未来路在何方?
查看>>
linux下各种进制转化最简单的的命令行
查看>>
结构体和联合体
查看>>
ACM(Association for Computing Machinery )组织的详细介绍
查看>>
unix高级编程之-命令行参数(实践一)
查看>>
无线网络加密方式对比 .
查看>>