MapReduce的wordcount主要分为两个阶段,Map和Reduce阶段,具体流程如下图。
(1)MapReduce有一个默认的排序规则,是按照字典顺序排序的(大写字母顺序->小写字母顺序->数字顺序)
(2)part-r-00000文件 中的part是分区的意思,MapReduce默认只有一个分区
(3)_SUCCESS 是执行MapReduce成功的标志文件
在yarn上查看MapReduce的运行过程,分为三个阶段
map阶段的程序
package wc;
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;
public class WordCountMapper extends Mapper<LongWritable ,Text ,Text,IntWritable>{
protected void map(LongWritable key1,Text value1,Context context)
throws IOException,InterruptedException {
/*
* context 表示Mapper的上下文
* 上文:HDFS
* 下文:Mapper
*/
//数据:I love Beijing
String data = value1.toString();
//分词
String[] words = data.split(" ");
//输出K2 V2
for(String w:words) {
context.write(new Text(w), new IntWritable(1));
}
}
}
Reduce阶段的程序
package wc;
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>{
protected void reduce(Text k3,Iterable<IntWritable> v3,Context context) throws IOException, InterruptedException {
/*
* context是reduce的上下文
* 上文
* 下文
*/
//对v3求和
int total = 0;
for(IntWritable v:v3) {
total += v.get();
}
//输出 k4 单词 v4 频率
context.write(k3, new IntWritable(total));
}
}
主程序
package wc;
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;
public class WordCountMain {
public static void main(String[] args) throws Exception {
//创建一个job和任务入口
Job job = Job.getInstance(new Configuration());
//main方法所在的class
job.setJarByClass(WordCountMain.class);
//指定job的mapper和输出的类型<k2 v2>
job.setMapperClass(WordCountMapper.class);
job.setMapOutputKeyClass(Text.class); //k2的类型
job.setMapOutputValueClass(IntWritable.class); //v2的类型
//指定job的Reducer和输出的类型<k4 v4>
job.setReducerClass(WordCountReducer.class);
job.setOutputKeyClass(Text.class); //k4的类型
job.setOutputValueClass(IntWritable.class); //v4的类型
//指定job的输入和输出
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
//执行job
job.waitForCompletion(true);
}
}
在程序的过程中出现的错误
第一行多出现了一个数字1,是因为在test.txt文件中,最后多写了空格
这种情况是reducer出现了问题
多写了一个r字母
正确的结果为