1、外部写好的程序打Java jar 包，导入jar
sftp> put e:/wc.jar
2、创建文本进行计算
vi words.log
hadoop fs -mkdir /wc
hadoop fs -mkdir /wc/srcData/
3、运行jar
hadoop jar wc.jar com.hadoop.mr.wordcount.WCRunner
hadoop jar wc.jar com.hadoop.mr.wordcount.WCRunner /flow/data /flow/output
4、成功后查看文件：
hadoop fs -ls /wc/output1
hadoop fs -cat /wc/output1/part-r-00000
5、附程序源码：
A、WCMapper.java
package com.hadoop.mr.wordcount;
import java.io.IOException;
import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
//4个泛型中，前两个是指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUEIN是输入的value的类型
//map 和 reduce 的数据输入输出都是以 key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
//mapreduce框架每读一行数据就调用一次该方法
protected void map(LongWritable key, Text value, Context context) throws IOException ,InterruptedException {
//具体业务逻辑就写在这个方法体中，而且我们业务要处理的数据已经被框架传递进来，在方法的参数中 key-value
//key 是这一行数据的起始偏移量 value 是这一行的文本内容
//将这一行的内容转换成string类型
String line = value.toString();
//当前行按特定分隔符切分
String[] words = StringUtils.split(line," ");
//遍历输入kv形式
for(String word:words){
context.write(new Text(word),new LongWritable(1));
}
};
}
B、WCReduce.java
package com.hadoop.mr.wordcount;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WCReduce extends Reducer<Text, LongWritable, Text, LongWritable>{
//框架在map处理完成之后，将所有kv对缓存起来，进行分组，然后传递一个组<key,valus{}>，调用一次reduce方法
//<hello,{1,1,1,1,1,1.....}>
protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException ,InterruptedException {
long count = 0;
for (LongWritable value:values){
count+=value.get();
}
context.write(key, new LongWritable(count));
};
}
C、WCRunner.java
package com.hadoop.mr.wordcount;
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;
/**
* 用来描述一个特定的作业
* 比如，该作业使用哪个类作为逻辑处理中的map，哪个作为reduce
* 还可以指定该作业要处理的数据所在的路径
* 还可以指定改作业输出的结果放到哪个路径
*
*/
public class WCRunner {
public static void main(String[] args) throws Exception{
Configuration conf = new Configuration();
Job wcjob = Job.getInstance(conf);
//设置整个job所用的类所在的jar包
wcjob.setJarByClass(WCRunner.class);
//job使用的mapper和reducer的类
wcjob.setMapperClass(WCMapper.class);
wcjob.setReducerClass(WCReduce.class);
//reduce的输出数据kv类型
wcjob.setOutputKeyClass(Text.class);
wcjob.setOutputValueClass(LongWritable.class);
//mapper的输出数据kv类型
wcjob.setMapOutputKeyClass(Text.class);
wcjob.setMapOutputValueClass(LongWritable.class);
//指定要处理的输入数据存放路径/输入存放路径
FileInputFormat.setInputPaths(wcjob, new Path("hdfs://192.168.21.115:9000/wc/srcData/"));
FileOutputFormat.setOutputPath(wcjob, new Path("hdfs://192.168.1.115:9000/wc/output1/"));
//将job提交给集群运行
wcjob.waitForCompletion(true);
}
}
6、原理
1.执行MR的命令：
hadoop jar <jar在linux的路径> <main方法所在的类的全类名> <参数>
例子：
hadoop jar /root/wc1.jar cn.itcast.d3.hadoop.mr.WordCount hdfs://itcast:9000/words /out2
2.MR执行流程
(1).客户端提交一个mr的jar包给JobClient(提交方式：hadoop jar ...)
(2).JobClient通过RPC和JobTracker进行通信，返回一个存放jar包的地址（HDFS）和jobId
(3).client将jar包写入到HDFS当中(path = hdfs上的地址 + jobId)
(4).开始提交任务(任务的描述信息，不是jar, 包括jobid，jar存放的位置，配置信息等等)
(5).JobTracker进行初始化任务
(6).读取HDFS上的要处理的文件，开始计算输入分片，每一个分片对应一个MapperTask
(7).TaskTracker通过心跳机制领取任务（任务的描述信息）
(8).下载所需的jar，配置文件等
(9).TaskTracker启动一个java child子进程，用来执行具体的任务（MapperTask或ReducerTask）
(10).将结果写入到HDFS当中