上次我们已经搭建了Hadoop的伪分布式环境，并且运行了一下Hadoop自带的例子–WordCount程序，展现良好。但是大多数时候还是得自己写程序，编译，打包，然后运行的，所以做一次自编译打包运行的实验。
编辑程序
在Eclipse或者NetBeans中编辑WordCount.java程序，用IDE的好处就是我们可以更方便的选择各种依赖的jar包，并且它会帮我们编译好，我们只需要去workspace中拿出class文件打包就好了，或者直接打包就行。而不用在命令行输入很多依赖jar包去打包，这样更加省事。
1.新建Java Project，名为WordCount，然后建立一个叫test的package，新建WordCount.java，编辑好。结构如下：
2.这时候我们的workspace/WordCount/bin/test目录下自动生成了编译好的三个class文件。
3.将class文件打包。如下图所示，在bin/test目录下输入
$ jar cvf WordCount.jar test/
即可将class文件打包为WordCount.jar.
4.运行hdfs:
$ cd /usr/local/hadoop $ ./sbin/start-dfs.sh $ jps //检查是否启动NameNode,DataNode等
5.往HDFS上的input文件夹中put一个文本文件或者xml文件，上篇文章有讲。比如：
$ hadoop fs -put /usr/local/hadoop/etc/hadoop/*.xml input
6.运行WordCount.jar
$ cd ~/workspace/WordCount/bin //进入到WordCount.jar所在目录 $ hadoop jar WordCount.jar test.WordCount input output $ hadoop fs -cat output/part-r-00000 //查看输出
7.关闭hdfs
$ cd /usr/local/hadoop $ ./sbin/stop-dfs.sh
下次运行时须将output目录删除。
到此，我们就编译运行成功了。还是挺简单的。毕竟WordCount是hadoop界的Helloworld啊。
以后我们编写hadoop程序，只需要按这个过程编译打包运行一下就可以了。
一个错误
之前没有指定包，而是放在默认包内的时候，运行
hadoop jar WordCount.jar WordCount input output
会出现
Exception in thread "main" java.lang.ClassNotFoundException: WordCount
的错误，后来将WordCount.java重新写在一个package(test)中就不再有这个问题了。
即第三个参数一定要是入口类，比如程序属于包test，那么第三个参数须是 test.WordCount 。
WordCount 代码
下面的代码下载自网上，我看他还写了很多注释，就直接拿来用了。
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.Text;
import org.apache.hadoop.mapred.JobConf;
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 org.apache.hadoop.util.GenericOptionsParser;
public class WordCount {
/**
* MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）
* Mapper接口：
* WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。
* Reporter 则可用于报告整个应用的运行进度，本例中未使用。
*
*/
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
/**
* LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，
* 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。
*/
private final static IntWritable one = new IntWritable(1);
private Text word = new Text(); //Text 实现了BinaryComparable类可以作为key值
/**
* Mapper接口中的map方法：
* void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
* 映射一个单个的输入k/v对到一个中间的k/v对
* 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。
* OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。
* OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
*/
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
/**
* 原始数据：
* c++ java hello
world java hello
you me too
map阶段，数据如下形式作为map的输入值：key为偏移量
0 c++ java hello
16 world java hello
34 you me too
*/
StringTokenizer itr = new StringTokenizer(value.toString()); //得到什么值
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
/**
* reduce过程是对输入数据解析形成如下格式数据：
* (c++ [1])
* (java [1,1])
* (hello [1,1])
* (world [1])
* (you [1])
* (me [1])
* (you [1])
* 供接下来的实现的reduce程序分析数据数据
*
*/
public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
/**
* JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
* 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
*/
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
//这里需要配置参数即输入和输出的HDFS的文件路径
if (otherArgs.length != 2) {
System.err.println("Usage: wordcount ");
System.exit(2);
}
Job job = new Job(conf, "word count"); // Job(Configuration conf, String jobName)
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class); // 为job设置Mapper类
job.setCombinerClass(IntSumReducer.class); // 为job设置Combiner类
job.setReducerClass(IntSumReducer.class); // 为job设置Reduce类
job.setOutputKeyClass(Text.class); // 设置输出key的类型
job.setOutputValueClass(IntWritable.class); // 设置输出value的类型
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/56182.html