Сначала мы рассмотрим пример кода (я установил кластер HDP, поэтому путь к файлу .jar может отличаться)
Образцы текстовых файлов в качестве входных данных:
$ bin /hadoop dfs -ls / wordcount / input /
/ wordcount / input / file01
/ wordcount / input / file02
$ bin / hadoop dfs-cat / wordcount / input / file01
Hello World Bye World
$ bin / hadoop dfs -cat / wordcount / input / file02
Hello Hadoop Goodbye Hadoop
Запустите приложение:
$ bin / hadoop jar /usr/hdp/2.6xx/hadoop-mapreduce/hadoo-mapreduce-examples.jar wordcount/ wordcount / input / wordcount / output
Примечание: вам не нужно писать программу подсчета слов, она по умолчанию предоставляется в папке mapreduce, как я уже упоминал,Приведенный ниже код предназначен только для ссылки на рабочий
Выход:
$ bin / hadoop dfs -cat / wordcount / output / part-00000
Пока 1
До свидания 1
Hadoop 2
Hello 2
World 2
Теперь давайте посмотрим, как работают преобразователь и преобразователи в бэкэнде:
Приложение WordCount довольно простое.
Реализация Mapper (строки14-26) , с помощью метода карты (строки 18-25) , обрабатывает по одной строке за раз, как предусмотрено указанным TextInputFormat (строка 49) .Затем он разбивает строку на токены, разделенные пробелами, через StringTokenizer и испускает пару ключ-значение <, 1>.
. Для данного примера ввода выдается first map :
вторая карта испускает:
Мы узнаем больше о количестве карт, порождаемых для данной работы, и о том, как управлять ими более детально, чуть позже в руководстве.
WordCount также задает объединитель (строка 46 ).Следовательно, выходные данные каждой карты передаются через локальный объединитель (который совпадает с редуктором в соответствии с конфигурацией задания) для локальной агрегации после сортировки по ключам.
Выходные данные первая карта :
Выход вторая карта :
<До свидания, 1>
Редуктор реализация (строки 28-36) с помощью метода Reduce (строки 29-35) просто суммирует значения, которые являются счетчиками вхождений для каждого ключа (т. Е. Слова в этом примере).
Таким образом, вывод задания равен :
Метод run указывает различные аспекты задания, например пути ввода / вывода (передается через командную строку), типы ключей / значений, форматы ввода / вывода и т. д., в JobConf.Затем он вызывает JobClient.runJob (строка 55) для отправки и отслеживания хода выполнения.
Теперь программа подсчета слов, которая упоминается здесь:
1. package org.myorg;
2.
3. import java.io.IOException;
4. import java.util.*;
5.
6. import org.apache.hadoop.fs.Path;
7. import org.apache.hadoop.conf.*;
8. import org.apache.hadoop.io.*;
9. import org.apache.hadoop.mapred.*;
10. import org.apache.hadoop.util.*;
11.
12. public class WordCount {
13.
14. public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> {
15. private final static IntWritable one = new IntWritable(1);
16. private Text word = new Text();
17.
18. public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
19. String line = value.toString();
20. StringTokenizer tokenizer = new StringTokenizer(line);
21. while (tokenizer.hasMoreTokens()) {
22. word.set(tokenizer.nextToken());
23. output.collect(word, one);
24. }
25. }
26. }
27.
28. public static class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {
29. public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
30. int sum = 0;
31. while (values.hasNext()) {
32. sum += values.next().get();
33. }
34. output.collect(key, new IntWritable(sum));
35. }
36. }
37.
38. public static void main(String[] args) throws Exception {
39. JobConf conf = new JobConf(WordCount.class);
40. conf.setJobName("wordcount");
44.
45. conf.setMapperClass(Map.class);
46. conf.setCombinerClass(Reduce.class);
47. conf.setReducerClass(Reduce.class);
48.
49. conf.setInputFormat(TextInputFormat.class);
50. conf.setOutputFormat(TextOutputFormat.class);
51.
52. FileInputFormat.setInputPaths(conf, new Path(args[0]));
53. FileOutputFormat.setOutputPath(conf, new Path(args[1]));
54.
55. JobClient.runJob(conf);
57. }
58. }
59.
Ссылка: Учебник MapReduce