场景

MapReduce Java API实例-统计单词出现频率

在上面实现统计单次出现的频率的基础上。

数据集只是单路径，如果有多个数据集文件，即有多个txt文件，要怎么实现。

多文件输入采用MultipleInputs.addInputPath方法即可完成。

注：

关注公众号
霸道的程序猿
获取编程相关电子书、教程推送与免费下载。

实现

map和reduce的代码基本和上面的一致

1、map类

package com.badao.multinput;


import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;
import java.util.StringTokenizer;

public class MultInputMapper extends Mapper<LongWritable,Text,Text,IntWritable> {
    //1、编写map函数，通过继承Mapper类实现里面的map函数
    //   Mapper类当中的第一个函数是Object,也可以写成Long
    //   第一个参数对应的值是行偏移量

    //2、第二个参数类型通常是Text类型，Text是Hadoop实现的String 类型的可写类型
    //   第二个参数对应的值是每行字符串

    //3、第三个参数表示的是输出key的数据类型

    //4、第四个参数表示的是输出value的数据类型，IntWriable 是Hadoop实现的int类型的可写数据类型

    public final static IntWritable one = new IntWritable(1);
    public Text word = new Text();

    //key 是行偏移量
    //value是每行字符串
    @Override
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        StringTokenizer stringTokenizer = new StringTokenizer(value.toString());
        while (stringTokenizer.hasMoreTokens())
        {
            //stringTokenizer.nextToken()是字符串类型，使用set函数完成字符串到Text数据类型的转换
            word.set(stringTokenizer.nextToken());
            //通过write函数写入到本地文件
            context.write(word,one);
        }
    }
}

2、reduce类

package com.badao.multinput;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;


//第一个参数类型是输入值key的数据类型，map中间输出key的数据类型
//第二个参数类型是输入值value的数据类型，map中间输出value的数据类型
//第三个参数类型是输出值key的数据类型，他的数据类型要跟job.setOutputKeyClass(Text.class) 保持一致
//第四个参数类型是输出值value的数据类型，它的数据类型要跟job.setOutputValueClass(IntWriable.class) 保持一致

public class MultInputReducer extends Reducer<Text, IntWritable,Text,IntWritable> {

    public IntWritable result = new IntWritable();


    //key就是单词  values是单词出现频率列表
    @Override
    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        for(IntWritable val:values)
        {
            //get就是取出IntWriable的值
            sum += val.get();
        }
        result.set(sum);
        context.write(key,result);
    }
}

3、job类

job这里不同，单路径时

FileInputFormat.addInputPath(job,new Path("D:\\words.txt"));

多路径时

Path path1 = new Path("D:\\words.txt");
        Path path2 = new Path("D:\\words2.txt");

        MultipleInputs.addInputPath(job,path1, TextInputFormat.class,MultInputMapper.class);
        MultipleInputs.addInputPath(job,path2, TextInputFormat.class,MultInputMapper.class);

完整代码

package com.badao.multinput;


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.input.MultipleInputs;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;

import java.io.IOException;

public class MultInputJob {
    public static void main(String[] args) throws InterruptedException, IOException, ClassNotFoundException {
        wordCountLocal();
    }

    public static void wordCountLocal()throws IOException, ClassNotFoundException, InterruptedException
    {
        Configuration conf = new Configuration();
        //实例化一个作业，word count是作业的名字
        Job job = Job.getInstance(conf, "multinputwordcount");
        //指定通过哪个类找到对应的jar包
        job.setJarByClass(MultInputJob.class);

        //为job设置Mapper类
        job.setMapperClass(MultInputMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        //为job设置reduce类
        job.setReducerClass(MultInputReducer.class);

        //为job的输出数据设置key类
        job.setOutputKeyClass(Text.class);
        //为job输出设置value类
        job.setOutputValueClass(IntWritable.class);

        //多个输入路径
        Path path1 = new Path("D:\\words.txt");
        Path path2 = new Path("D:\\words2.txt");

        MultipleInputs.addInputPath(job,path1, TextInputFormat.class,MultInputMapper.class);
        MultipleInputs.addInputPath(job,path2, TextInputFormat.class,MultInputMapper.class);

        //为job设置输出路径
        FileOutputFormat.setOutputPath(job,new Path("D:\\mulinputOut"));
        job.waitForCompletion(true);
    }

}

运行job类查看效果

MapReduce Java API-多输入路径方式_three.js