0x00 教程内容

单词计数操作流程
编写MapReduce单词计数代码及简单解释
YARN Web UI界面查看

0x01 单词计数

1. 操作流程

a. 建Maven项目
b. 导入依赖包
PS：a、b两步可参考此文章的0x01 新建maven工程：
Java API实现HDFS的相关操作

c. 写代码
d. 打包到服务器
e. 准备一份文件，以空格进行分割，放于HDFS上（可自行修改）：
/files/put.txt
f. 启动服务器的HDFS、YARN
g. 执行作业（自行修改）：
hadoop jar hadoop-learning-1.0.jar com.shaonaiyi.hadoop.WordCount hdfs://master:9999/files/put.txt hdfs://master:9999/output/wc/

2. 源码

package com.shaonaiyi.hadoop;

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.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.output.FileOutputFormat;

import java.io.IOException;

/**
 * @Auther: 邵奈一
 * @Date: 2019/03/21 下午 7:02
 * @Description: WordCount入门例子之单词计数（Java版）
 * 使用脚本：hadoop jar hadoop-learning-1.0.jar com.shaonaiyi.hadoop.WordCount hdfs://master:9999/files/put.txt hdfs://master:9999/output/wc/
 */
public class WordCount {

    public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable> {

        LongWritable one = new LongWritable(1);

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

            String lines = value.toString();
            String[] words = lines.split(" ");
            for (String word: words){
                context.write(new Text(word), one);
            }
        }

    }

    public static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable> {

        @Override
        protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {

            int sum = 0;
            for (LongWritable value: values){
                sum += value.get();
            }
            context.write(key, new LongWritable(sum));

        }
    }

    public static void main(String[] args) throws Exception{

        Configuration configuration = new Configuration();

        // 若输出路径有内容，则先删除
        Path outputPath = new Path(args[1]);
        FileSystem fileSystem = FileSystem.get(configuration);
        if(fileSystem.exists(outputPath)){
            fileSystem.delete(outputPath, true);
            System.out.println("路径存在，但已被删除");
        }

        Job job = Job.getInstance(configuration, "WordCount");

        job.setJarByClass(WordCount.class);

        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);

        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);

        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);

    }

}

3. 源码简单解释

a. 可改切割符，目前为空格：
String[] words = lines.split(" ");
b. 分别为第一个参数输入路径args[0]与第二个参数传出路径args[1]：
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));

0x02 Web UI界面查看

1. YARN

a. 打开UI界面
http://master:8088
b. 点击RUNNING、FINISHED可分别点击查看作业的进度

0xFF 总结

不能在本地直接用IDEA执行，要打包然后上传到服务器上
思考题：请为程序加个足够长的执行时间，然后查看执行作业时，三台服务器上的进程变化。
思路：在Reduce类添加3秒延迟，在主类设置成2个reduce结果，执行代码时统计多几个文件，用*号通配，然后一直观察三天服务器的进程，期间也可以查看YARN的Web UI界面上的Map和Reduce有几个。

作者简介：邵奈一
大学大数据讲师、大学市场洞察者、专栏编辑
公众号、微博、CSDN：邵奈一

复制粘贴玩转大数据系列专栏已经更新完成，请跳转学习！

MapReduce入门例子之单词计数

教程目录