相信小伙伴们看了小菌上一篇博客《什么是MapReduce(入门篇)》后,对MapReduce的概念有了更深的认知!本篇博客,小菌为大家带来的则是MapReduce的实战——统计指定文本文件中每一个单词出现的总次数。
我们先来确定初始的数据源,即wordcount.txt文件!
跟之前使用API一样,我们同样需要在IDEA中使用JAVA代码来书写MapReduce!
项目POM文件
代码语言：javascript复制<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>cn.itcast</groupId>
<artifactId>mapreduce</artifactId>
<version>1.0-SNAPSHOT</version>
<repositories>
<repository>
<id>cloudera</id>
<url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
</repository>
</repositories>
<dependencies>
<dependency>
<groupId>org.apache.Hadoop</groupId>
<artifactId>Hadoop-client</artifactId>
<version>2.6.0-mr1-cdh5.14.0</version>
</dependency>
<dependency>
<groupId>org.apache.Hadoop</groupId>
<artifactId>Hadoop-common</artifactId>
<version>2.6.0-cdh5.14.0</version>
</dependency>
<dependency>
<groupId>org.apache.Hadoop</groupId>
<artifactId>Hadoop-hdfs</artifactId>
<version>2.6.0-cdh5.14.0</version>
</dependency>
<dependency>
<groupId>org.apache.Hadoop</groupId>
<artifactId>Hadoop-mapreduce-client-core</artifactId>
<version>2.6.0-cdh5.14.0</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.11</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.testng</groupId>
<artifactId>testng</artifactId>
<version>RELEASE</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.0</version>
<configuration>
<source>1.8</source>
<target>1.8</target>
<encoding>UTF-8</encoding>
</configuration>
</plugin>
<plugin>
<groupId>org.apache.maven.plugins</groupId>
<artifactId>maven-shade-plugin</artifactId>
<version>2.4.3</version>
<executions>
<execution>
<phase>package</phase>
<goals>
<goal>shade</goal>
</goals>
<configuration>
<minimizeJar>true</minimizeJar>
</configuration>
</execution>
</executions>
</plugin>
</plugins>
</build>
</project>定义一个mapper类
代码语言：javascript复制package demo02;
//首先要定义四个泛型的类型
//keyin: LongWritable valuein: Text
//keyout: Text valueout:IntWritable
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
* @Auther: 封茗囧菌
* @Date: 2019/11/11 17:43
* @Description:
* 需求：在一堆给定的文本文件中统计输出每一个单词出现的总次数
*/
// long,int,String ... 是java中的数据类型,hadoop中并不识别.hadoop中有对应的数据类型
public class WordCountMapper extends Mapper<LongWritable, Text,Text,LongWritable> {
//map 方法的生命周期: 框架每传一行数据就被调用一次
//key : 这一行的起始点在文件中的偏移量
//value : 这一行的内容
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
/**
* 代码中 key 是行首字母的【偏移量】-->无规律可言,行首字母到所有内容最前端的
* value 是一行真正的数据
*/
//1.将Text类型的value 转换成 string
String datas = value.toString();
//2.将这一行用 " " 切分出各个单词
String[] words = datas.split(" ");
//3.遍历数组,输出<单词,1>【一个单词输出一次】
for (String word : words) {
//输出数据
//context 上下文对象
context.write(new Text(word),new LongWritable(1));
}
}
}定义一个reducer类
代码语言：javascript复制package demo02;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
/**
* @Auther: 封茗囧菌
* @Date: 2019/11/11 17:56
* @Description:
*/
//计算单词的总和
public class WordCountReducer extends Reducer<Text,LongWritable,Text,LongWritable> {
@Override
protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
/**
* key 表示的是单词
* values 表示的是好多个1
*/
//定义一个计数,用于求和
int sum = 0;
//遍历这一组 kv 的所有v ,累加到count中
for (LongWritable value: values) {
//.get可以将LongWritable类型转换成Integer
sum =value.get();
}
//输出结果
context.write(key, new LongWritable(sum));
}定义一个主类，用来描述job并提交job
代码语言：javascript复制package demo02;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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;
/**
* @Auther: 封茗囧菌
* @Date: 2019/11/11 18:06
* @Description:
*/
public class WordCountRunner{
//把业务逻辑相关的信息（哪个是mapper，哪个是reducer，要处理的数据在哪里，输出的结果放哪里……）描述成一个job对象
//把这个描述好的job提交给集群去运行
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//创建一个Configuration实体类对象
Configuration conf = new Configuration();
Job wcjob = Job.getInstance(conf);
// 指定我这个job所在的jar包
// wcjob.setJar("/home/hadoop/wordcount.jar");
wcjob.setJarByClass(WordCountRunner.class);
wcjob.setMapperClass(WordCountMapper.class);
wcjob.setReducerClass(WordCountReducer.class);
//设置我们的业务逻辑Mapper 类的输出 key 和 value 的数据类型
wcjob.setMapOutputKeyClass(Text.class);
wcjob.setMapOutputValueClass(LongWritable.class);
//设置我们的业务逻辑 Reducer 类的输入key 和 value 的数据类型
wcjob.setMapOutputKeyClass(Text.class);
wcjob.setOutputValueClass(LongWritable.class);
long startTime=System.currentTimeMillis(); //获取开始时间
//指定要处理的数据所在的位置
FileInputFormat.setInputPaths(wcjob,"G:\wordcount.txt");
//指定处理完成之后的结果所保存的位置
FileOutputFormat.setOutputPath(wcjob, new Path("E:\result"));
// 向yarn集群提交这个job
boolean res = wcjob.waitForCompletion(true);
long endTime=System.currentTimeMillis(); //获取结束时间
System.out.println(res?0:1);
System.out.println("程序运行时间： " (endTime-startTime) "ms");
}
}错误提醒:如果遇到这个错误， Caused by: org.apache.hadoop.ipc.RemoteException(org.apache.hadoop.security.AccessControlException): Permission denied: user=admin, access=WRITE, inode="/":root:supergroup:drwxr-xr-x 直接将hdfs-site.xml当中的权限关闭即可
代码语言：javascript复制<property>
<name>dfs.permissions</name>
<value>false</value>
</property>重启hdfs集群,重新运行即可。(可以把项目打成jar包放在虚拟机上运行,也可以在IDEA上直接运行!这里介绍的是在IDEA上运行的效果)
让我们来查看一下效果! 在我们本地的E盘上,出现了result文件夹
打开进入并用Notepad 打开文件查看内容!发现统计的结果已经呈现在里面了!说明我们的程序运行成功了!
思路回顾: 每读取一行数据,MapReduce就会调用一次map方法,在map方法中我们把每行数据用空格" "分隔成一个数组,遍历数组,把数组中的每一个元素作为key,1作为value作为map的输出传递给reduce。reduce把收集到的数据根据key值进行分区,把每个分区的内容进行单独计算，并把结果输出。
本期的分享就到这里了,小伙伴们有什么疑惑或好的建议可以积极在评论区留言~，小菌会持续更新新鲜好玩的技术,喜欢的小伙伴们不要忘了点赞，关注小菌呐ヾ(◍°∇°◍)ﾉﾞ。
