Hadoop--使用JavaAPI编写wordcount的jar包

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_38038143/article/details/83895851

---

GitHub：https://github.com/GYT0313/Hadoop-JavaAPI-Code/tree/master/chapter4/wordcount

1.创建项目

创建三个类：
Mapper、Reducer、Main驱动类（需要导入 jar包）

2.代码

1. WordMapper.java：

package wordcount;


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

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


/**
 * @author: Gu Yongtao
 * @Description: 
 * @date: 2018年11月6日 下午4:17:05
 * @Filename: WordMapper.java
 */

public class WordMapper extends Mapper<Object, Text, Text, IntWritable> {
	private final static IntWritable one = new IntWritable(1);
	private Text word = new Text();
	
	// Mapper类的核心方法
	/**
	 *  key 首字符偏移量
	 *  value 文件的一行内容
	 *  context Mapper端的上下文
	 * @throws InterruptedException 
	 * @throws IOException 
	 */
	public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
		StringTokenizer itr = new StringTokenizer(value.toString()); // 分割输入行为key，默认以空格/回车...分割
		while (itr.hasMoreTokens()) {
			word.set(itr.nextToken());
			context.write(word, one);
		}
	}	
}

分析：StringTokenizer itr = new StringTokenizer(value.toString());

2. WordReducer.java：

package wordcount;

import java.io.IOException;

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

/**
 * @author: Gu Yongtao
 * @Description: 
 * @date: 2018年11月6日 下午4:40:16
 * @Filename: WordReducer.java
 */

public class WordReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
	private IntWritable result = new IntWritable();  // 记录词的频数
	
	// Reducer抽象类的核心方法
	public void reduce (Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
		int sum = 0;
		// 遍历values 将 list<value> 叠加
		for (IntWritable value : values) {
			sum += value.get();
		}
		result.set(sum);
		context.write(key, result);
	}
}

3. WordMain.java：（IP地址根据自身集群配置）

package 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;
import org.apache.hadoop.util.GenericOptionsParser;

/**
 * @author: Gu Yongtao
 * @Description: 
 * @date: 2018年11月6日 下午4:53:59
 * @Filename: WordMain.java
 */

public class WordMain {
	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		// Configuration类：读取配置文件内容-core-site.xml
		Configuration conf = new Configuration();
		
		// 读取命令行参数，并设置到conf
		String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
		
		if (otherArgs.length != 2) { // 输入目录 输出目录
			System.err.println("Usage: wordcount <in><out>");
			System.exit(2);
		}
		
		Job job = new Job(conf, "word count"); // 新建一个job
		job.setJarByClass(WordMain.class); // 设置主类
		job.setMapperClass(WordMapper.class); // 设置Mapper类
		job.setCombinerClass(WordReducer.class); // 设置作业合成类
		job.setReducerClass(WordReducer.class); // 设置Reducer类
		job.setOutputKeyClass(Text.class); // 设置输出数据的关键类
		job.setOutputValueClass(IntWritable.class); // 设置输出值类
		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
		System.exit(job.waitForCompletion(true) ? 0 : 1);		
	}
}

3.导出jar包：

右键项目，点击Export：

选择 JAR file：

点击Next，勾选wordcount工程中的 src，并选择保存的路径名（包含最终的文件名），点击Finish：

导出的jar包：

4.运行jar包

运行格式：

hadoop jar [jar 文件位置] [jar 主类] [HDFS 输入路径] [HDFS 输出路径]

准备输入文件：使用hdfs shell命令写入文件内容（-appendToFile使用ctrl + c结束 | 也可以使用-put 上传本地文件）

执行任务：

hadoop jar /home/hadoop/jar/wordcount.jar wordcount.WordMain /data/wordcount.txt /output/wordcount3

查看输出：

总结：

使用JavaAPI编写wordcount实例，可以根据自己需要设置分隔符，而不再单纯的以空格/回车… 为分割。
只需要设置StringTokenizer的实例即可，如：