hadoop简单实例-WordCount

开发环境：window7
如果不知道怎么在window环境下安装hadoop，请参考教你Windows平台安装配置Hadoop2.5.2(不借助cygwin)

本实例先贴源代码，再讲解步骤。
代码如下：

package test;
import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

/**
 * Hadoop - 统计文件单词出现频次
 * @author antgan
 *
 */
public class WordCount {
    public static class WordCountMap extends
            Mapper<LongWritable, Text, Text, IntWritable> {
        private final IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(LongWritable key, Text value, Context context)
                throws IOException, InterruptedException {
            String line = value.toString();
            StringTokenizer token = new StringTokenizer(line);
            while (token.hasMoreTokens()) {
                word.set(token.nextToken());
                context.write(word, one);
            }
        }
    }

    public static class WordCountReduce extends
            Reducer<Text, IntWritable, Text, IntWritable> {
        public void reduce(Text key, Iterable<IntWritable> values,
                Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            context.write(key, new IntWritable(sum));
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = new Job(conf);
        job.setJarByClass(WordCount.class);
        job.setJobName("wordcount");
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        job.setMapperClass(WordCountMap.class);
        job.setReducerClass(WordCountReduce.class);
        job.setInputFormatClass(TextInputFormat.class);
        job.setOutputFormatClass(TextOutputFormat.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        job.waitForCompletion(true);
    }
}

运行测试：

一、打包WordCount.java成jar包

两种方法：
1. 采用javac 指令打包，因为程序依赖两个jar包hadoop-core.1.2.1.jar,和commons-cli.1.2.jar。所以要指定依赖包的路径。

#编译WordCount.java 转成.class
javac -classpath D:/lib/hadoop-core-1.2.1.jar:D:/lib/commons-cli.1.2.jar -d D:/output WordCount.java
#打包成jar包
jar -cvf wordcount.jar *.class

2.采用IDE来打包，这里我使用的是eclipse。
创建项目，maven构建，或者创建普通java项目都可以（自行导入依赖包），这里我使用了maven构建项目。
这里写图片描述

pom.xml

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.5.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.5.2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.5.2</version>
        </dependency>

点击WordCount.java右键Export。

选择JAR file
这里写图片描述

选择导入目录
这里写图片描述

选择程序主入口
这里写图片描述

Finish即可。

二、运行WordCount.jar

上篇文章中，我们已经在hadoop下创建了输入目录/user/wcinput，并上传了2个txt文本文件。

现在只需一个命令即可运行WordCount，cd切换到wordcount.jar包目录，指定输入目录，和输出目录，回车。（output目录，如果不存在，会自动创建，无需先mkdir创建目录）

hadoop jar wordcount.jar hdfs://localhost:9000/user/wcinput hdfs://localhost:9000/user/output

这里写图片描述

运行完毕后，运行命令：hadoop fs -ls 查看output文件夹里的文件。

这里写图片描述

其中part-r-0000就是输出结果文件。

运行命令：hadoop fs -cat 打开文件查看，结果如图
这里写图片描述

大功告成

第一个hadoop程序跑起来了，赶紧去试试看吧~

下一篇，将会分享如何用eclipse安装hadoop插件来查看Hadoop DFS目录。（这样就不用总是输入命令来查看运行结果啦~提高开发效率。）