(11) Hadoop Java 实现MapReduce HelloWord 单词统计

package com.my.hadoop.hadoophdfs.mapreduce;
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.LongWritable;
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;
//文件内容 类似
/*
 * aa  vv  bb
 *  tt  yy jj 
 *  ss dd gg 
 *  hh
 *  ff
 *  ddd dd
 * */
/**
 *    单词统计类
 * @author liming
 *
 */
public class WordCount {
		/**
		 * Map
		 * Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT> 
		 * @author liming
		 *
		 */
		public static class WorldCountMapper extends Mapper<LongWritable ,Text, Text, IntWritable>{
				private Text mapOutputKey= new Text();
				private final static IntWritable  mapOutPutValue =new IntWritable(1);
			@Override
			public void map(LongWritable key, Text value, Context context)
					throws IOException, InterruptedException {
				//TODO
				String lineValue = value.toString();
				//分割  lineValue.split(" ") 可以这样写  但是不好 吃内存
				StringTokenizer stringTokenizer = new StringTokenizer(lineValue);
				//迭代 拿数据
				while(stringTokenizer.hasMoreElements()){
					String wordVal = stringTokenizer.nextToken();
					//变成key - value 对
					//map输出的key
					 mapOutputKey.set(wordVal);
					//mapOutPutValue =1
					//map输出
					context.write(mapOutputKey, mapOutPutValue);
				}
				
			}
			
		}
		/**
		 * Reduce 
		 * Map的类型 就是 Reduce的输入类型
		 * 
		 * @author liming
		 *
		 */
		public static class WorldCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
			//reduce输出
			private IntWritable outPutVal= new IntWritable();
			
			protected void reduce(Text key, Iterable<IntWritable> values,
				 	 Context content)
					throws IOException, InterruptedException {
				
				//TODO
				/*map的输出类似于：
				 * <aa,1>
				 * <bb,1>
				 * <jj,1>
				 * <aa,1>
				 * 
				 * map--->shuffle-->reduce 这个过程很复杂  也就是将相同key的value放到一个集合中 ----> <aa,list(1,1)>
				 *  这叫做分组group
				 * 
				 * */
				
				//统计和  比如：<aa,list(1,1) 结果是1+1=2 最后输出就是<aa,2>
				int sum =0;
				for(IntWritable value:values){
					sum+=value.get();
				}
				outPutVal.set(sum);
				
				//reduce输出
				content.write(key, outPutVal);
				
			}
		 
		}
		
		/**
		 * Driver 
		 */
		public int run(String[] args){
			//获取configuration
			Configuration cf=new Configuration();
			//创建job
			try {			
				//													配置文件    job名称
				Job job =Job.getInstance(cf,this.getClass().getSimpleName());
				//设置运行类的类型
				job.setJarByClass(this.getClass());
				
				/****input******/
				//input map  reduce  output  串起来
				Path inPath =new Path(args[0]);
				FileInputFormat.addInputPath(job, inPath);
				/****map******/
				//map 方法类型嗯
				job.setMapperClass(WorldCountMapper.class);
				//map 输出key  value  类型
				job.setMapOutputKeyClass(Text.class);
				job.setOutputValueClass(IntWritable.class);
				/****reduce******/
				//reduce类型
				job.setReducerClass(WorldCountReducer.class);
				 //reduce 输出  也就是job输出
				job.setOutputKeyClass(Text.class);
				job.setOutputValueClass(IntWritable.class);
				/****output******/
				Path outPath = new Path(args[1]);
			  FileOutputFormat.setOutputPath(job, outPath);
				/****提交job******/
				//返回布尔类型    这里设置true是打印日志信息  设置false是不打印日志
				boolean isSucc = job.waitForCompletion(true);
				
				return isSucc?0:1;
			} catch (IOException e) {
				e.printStackTrace();
			} catch (ClassNotFoundException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			} catch (InterruptedException e) {
				// TODO Auto-generated catch block
				e.printStackTrace();
			}
			return 1;
		}
		
		public static void main(String[] args) {
			//运行
			int status = new WordCount().run(args);
			System.exit(status);
			
		}
}