Hadoop MapReduce如何进行WordCount自主编译运行

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。

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

$jarcvfWordCount.jartest/

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：

$hadoopfs-put/usr/local/hadoop/etc/hadoop/*.xmlinput

6.运行WordCount.jar

$cd~/workspace/WordCount/bin//进入到WordCount.jar所在目录
$hadoopjarWordCount.jartest.WordCountinputoutput
$hadoopfs-catoutput/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

hadoopjarWordCount.jarWordCountinputoutput

会出现：

Exceptioninthread"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。

packagetest;
importjava.io.IOException;
importjava.util.StringTokenizer;
importorg.apache.hadoop.conf.Configuration;
importorg.apache.hadoop.fs.Path;
importorg.apache.hadoop.io.IntWritable;
importorg.apache.hadoop.io.Text;
importorg.apache.hadoop.mapred.JobConf;
importorg.apache.hadoop.mapreduce.Job;
importorg.apache.hadoop.mapreduce.Mapper;
importorg.apache.hadoop.mapreduce.Reducer;
importorg.apache.hadoop.mapreduce.lib.input.FileInputFormat;
importorg.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
importorg.apache.hadoop.util.GenericOptionsParser;
publicclassWordCount{
/**
*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。
*
*/
publicstaticclassTokenizerMapperextendsMapper<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。
*/
privatefinalstaticIntWritableone=newIntWritable(1);
privateTextword=newText();//Text实现了BinaryComparable类可以作为key值
/**
*Mapper接口中的map方法：
*voidmap(K1key,V1value,OutputCollector<K2,V2>output,Reporterreporter)
*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
*/
publicvoidmap(Objectkey,Textvalue,Contextcontext)throwsIOException,InterruptedException{
/**
*原始数据：
*c++javahello
worldjavahello
youmetoo
map阶段，数据如下形式作为map的输入值：key为偏移量
0c++javahello
16worldjavahello
34youmetoo
*/
StringTokenizeritr=newStringTokenizer(value.toString());//得到什么值
while(itr.hasMoreTokens()){
word.set(itr.nextToken());
context.write(word,one);
}
}
}
publicstaticclassIntSumReducerextendsReducer<Text,IntWritable,Text,IntWritable>{
privateIntWritableresult=newIntWritable();
/**
*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
*
*/
publicvoidreduce(Textkey,Iterable<IntWritable>values,Contextcontext)throwsIOException,InterruptedException{
intsum=0;
for(IntWritableval:values){
sum+=val.get();
}
result.set(sum);
context.write(key,result);
}
}
publicstaticvoidmain(String[]args)throwsException{
/**
*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(ClassexampleClass)、JobConf(Configurationconf)等
*/
Configurationconf=newConfiguration();
String[]otherArgs=newGenericOptionsParser(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<in><out>");
System.exit(2);
}
Jobjob=newJob(conf,"wordcount");//Job(Configurationconf,StringjobName)
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,newPath(otherArgs[0]));
FileOutputFormat.setOutputPath(job,newPath(otherArgs[1]));
System.exit(job.waitForCompletion(true)?0:1);
}
}