0 计数器相当于开车中的仪表盘，用于提醒功能， 计数可以再map阶段，也可以在reduce阶段
1 写法代码：
package counter;
import java.io.IOException;
import java.net.URI;
import java.net.URISyntaxException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Counter;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
/**
* 实现单词计数功能
* 增加自定义计数器功能
* 测试文件 hello内容为:
* hello you
* hello me me me
* @author zm
*
* 计数器相当于开车中的仪表盘，用于提醒功能
*/
public class MyWordCounter {
static String FILE_ROOT = "hdfs://master:9000/";
static String FILE_INPUT = "hdfs://master:9000/hello";
static String FILE_OUTPUT = "hdfs://master:9000/out";
public static void main(String[] args) throws IOException, URISyntaxException, InterruptedException, ClassNotFoundException {
Configuration conf = new Configuration();
FileSystem fileSystem = FileSystem.get(new URI(FILE_ROOT),conf);
Path outpath = new Path(FILE_OUTPUT);
if(fileSystem.exists(outpath)){
fileSystem.delete(outpath, true);
}
// 0 定义干活的人
Job job = new Job(conf);
// 1.1 告诉干活的人 输入流位置 读取hdfs中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数
FileInputFormat.setInputPaths(job, FILE_INPUT);
// 指定如何对输入文件进行格式化，把输入文件每一行解析成键值对
job.setInputFormatClass(TextInputFormat.class);
//1.2 指定自定义的map类
job.setMapperClass(MyMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(LongWritable.class);
//1.3 分区
job.setNumReduceTasks(1);
//1.4 TODO 排序、分组 目前按照默认方式执行
//1.5 TODO 规约
//2.2 指定自定义reduce类
job.setReducerClass(MyReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(LongWritable.class);
//2.3 指定写出到哪里
FileOutputFormat.setOutputPath(job, outpath);
job.setOutputFormatClass(TextOutputFormat.class);
// 让干活的人干活
job.waitForCompletion(true);
}
}
/**
* 继承mapper 覆盖map方法，hadoop有自己的参数类型
* 读取hdfs中的文件。每一行解析成一个<k,v>。每一个键值对调用一次map函数，
* 这样，对于文件hello而言，调用MyMapper方法map后得到结果：
* <hello,1>,<you,1>,<hello,1>,<me,1>
* 方法后，得到结果为：
* KEYIN, 行偏移量
* VALUEIN, 行文本内容(当前行)
* KEYOUT, 行中出现的单词
* VALUEOUT 行中出现单词次数,这里固定写为1
*
*/
class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
@Override
protected void map(LongWritable k1, Text v1, Context context)
throws IOException, InterruptedException {
//定义计数器
Counter helloCounter = context.getCounter("Sensitive Words", "hello");
String line = v1.toString();
if(line.contains("hello")){
helloCounter.increment(1);
}
String[] v1s = v1.toString().split("\t");
for(String word : v1s){
context.write(new Text(word), new LongWritable(1));
}
}
}
/**
* <hello,{1,1}>,<me,{1}>,<you,{1}>, 每个分组调用一次 reduce方法
*
* KEYIN, 行中出现单词
* VALUEIN, 行中出现单词个数
* KEYOUT, 文件中出现不同单词
* VALUEOUT 文件中出现不同单词总个数
*/
class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
protected void reduce(Text k2, Iterable<LongWritable> v2s, Context ctx)
throws IOException, InterruptedException {
long times = 0L;
for(LongWritable l : v2s){
times += l.get();
}
ctx.write(k2, new LongWritable(times));
}
}
2 运行后计数结果不会写入到hdfs中，仅仅用于一个展示效果，如下：
............ 14/12/08 19:05:20 INFO mapred.JobClient: Counters: 20 14/12/08 19:05:20 INFO mapred.JobClient: Sensitive Words 14/12/08 19:05:20 INFO mapred.JobClient: hello=2 ......