在一堆給定的文字檔案中統計輸出每一個單詞出現的總次數。

1.分析

mapper階段：

1. 將mapstack 傳給我們的文字資訊內容先轉換成string。
2. 根據空格將一行切分成單詞。
3. 將單詞輸出為<單詞，1>的格式。

reducer階段

1. 彙總各個key的個數
2. 輸出該key的總數

driver階段

1. 獲取配置資訊
2. 指定本程式的jar所在的本地路徑
3. 關聯mapper和reducer類
4. 指定map的輸出資料kv型別
5. 指定最終輸出的資料的kv型別
6. 指定job的輸入原始位置和輸出位置
7. 提交

2. 編寫程式碼

1. 定義一個mapper類

package com.atguigu.mapreduce.wordcount;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

/**
 * KEYIN:輸入資料的key  檔案的行號
 * VALUEIN 每行的輸入資料
 * 
 * KEYOUT ： 輸出資料的key
 * VALUEOUT: 輸出資料的value型別
 * @author Administrator
 *
 */
public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{

	//hello world
	//atguigu atguigu

	 
	@Override
	protected void map(LongWritable key, Text value,Context context)
			throws IOException, InterruptedException {
		//1.獲取這一行資料
		String line = value.toString();
		//2.獲取每一個單詞
		
		String[] words = line.split(" ");
		//3.輸出每一個單詞
		for (String word : words) {
			context.write(new Text(word),new IntWritable(1));
		}
	}
}

 

2.定義一個reducer類

package com.atguigu.mapreduce.wordcount;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{

	@Override
	protected void reduce(Text key, Iterable<IntWritable> values,
			Context context) throws IOException, InterruptedException {
		 // 1.統計所有單詞個數
		 int count = 0;
		 for (IntWritable value : values) {
			count+= value.get();
		}
		 //2.輸出所有單詞數
		 context.write(key, new IntWritable(count));
	}
}

 

3. 定義一個driver類

package com.atguigu.mapreduce.wordcount;

import java.io.IOException;

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;


//驅動主程式
public class WordcountDriver {
	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		//1.獲取job物件資訊
		Configuration configuration = new Configuration();
		Job job = Job.getInstance(configuration);
		
		//2.設定載入jar位置
		job.setJarByClass(WordcountDriver.class);
		
		//3.設定mapper和reducer的class類
		job.setMapperClass(WordcountMapper.class);
		job.setReducerClass(WordcountReducer.class);
		
		//4.設定輸出mapper的資料型別
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(IntWritable.class);
		//5.設定最終資料輸出的型別
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		
		//6.設定輸入資料和輸出資料路徑
		FileInputFormat.setInputPaths(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));
		
		//7.submit
		boolean result = job.waitForCompletion(true);
		System.exit(result?0:1);
	}
}

3.執行

1. 將上述的類打成jar包，拷貝到hadoop叢集中
2. 啟動hadoop叢集
3. 執行WordCount程式
   
   開啟web端HDFS檢視結果
   
   將 part-r-00000下載下來檢視，滿足需求。