hadoop之wordCount详解大数据

package org.apache.hadoop.examples; 
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.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; 
/** 
*  
* 描述：WordCount explains by York 
* @author Hadoop Dev Group 
*/ 
public class WordCount { 
/** 
* 建立Mapper类TokenizerMapper继承自泛型类Mapper 
* Mapper类:实现了Map功能基类 
* 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。  
*  
*/ 
publicstaticclass TokenizerMapper  
extends Mapper<Object, Text, Text, IntWritable>{ 
/** 
* 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int,String 的替代品。 
* 声明one常量和word用于存放单词的变量 
*/ 
privatefinalstatic IntWritable one =new IntWritable(1); 
private Text word =new Text(); 
/** 
* Mapper中的map方法： 
* void map(K1 key, V1 value, Context context) 
* 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。 
* Context：收集Mapper输出的<k,v>对。 
* Context的write(k, v)方法:增加一个(k,v)对到context 
* 程序员主要编写Map和Reduce函数.这个Map函数使用StringTokenizer函数对字符串进行分隔,通过write方法把单词存入word中 
* write方法存入(单词,1)这样的二元组到context中 
*/   
publicvoid map(Object key, Text value, Context context 
) throws IOException, InterruptedException { 
StringTokenizer itr =new StringTokenizer(value.toString()); 
while (itr.hasMoreTokens()) { 
word.set(itr.nextToken()); 
context.write(word, one); 
} 
} 
} 
publicstaticclass IntSumReducer  
extends Reducer<Text,IntWritable,Text,IntWritable> { 
private IntWritable result =new IntWritable(); 
/** 
* Reducer类中的reduce方法： 
* void reduce(Text key, Iterable<IntWritable> values, Context context) 
* 中k/v来自于map函数中的context,可能经过了进一步处理(combiner),同样通过context输出            
*/ 
publicvoid reduce(Text key, Iterable<IntWritable> values,  
Context context 
) throws IOException, InterruptedException { 
int sum =0; 
for (IntWritable val : values) { 
sum += val.get(); 
} 
result.set(sum); 
context.write(key, result); 
} 
} 
publicstaticvoid main(String[] args) throws Exception { 
/** 
* Configuration：map/reduce的j配置类，向hadoop框架描述map-reduce执行的工作 
*/ 
Configuration conf =new Configuration(); 
String[] otherArgs =new GenericOptionsParser(conf, args).getRemainingArgs(); 
if (otherArgs.length !=2) { 
System.err.println("Usage: wordcount <in> <out>"); 
System.exit(2); 
} 
Job job =new Job(conf, "word count");    //设置一个用户定义的job名称 
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Reducer类 
job.setOutputKeyClass(Text.class);        //为job的输出数据设置Key类 
job.setOutputValueClass(IntWritable.class);    //为job输出设置value类 
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));    //为job设置输入路径 
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//为job设置输出路径 
System.exit(job.waitForCompletion(true) ?0 : 1);        //运行job 
  } 
}