自从学习了hadoop之后，现在想想还没有怎么整理过自己写过的代码和读过的代码，今天就做一个整理吧，纪念一下。
WordCount （单词计数）程序 就像我们刚刚开始学习程序一样，写一个 helloworld程序一样。
1.问题描述
输入一个文件 word.txt:
xing xing
love you
hello world
hello hadoop输出结果为：
xing 2
love 1
you 1
hello 2
hadoop 1
word 1当然单词的输出是有顺序的。
2.设计思路
这个应用实例的解决方案很直接，就是将文件内容切分成单词， 然后将所有相同的单词聚集在一起，然后计算单词出现的次数并输出。 根据MapReduce并行程序设计原则可知，解决方案中的内容切分步骤和数据不相关， 可以并行化处理，每个获得原始数据的机器只要将输入数据切分成单词就可以了。 所以可以在Map阶段完成单词切分任务。另外，相同单词的频数计算也可以井行化处理。由实例要求来看，不同单词之间的频数不相关，所以可以将相同的单词交给一台机器来计算频数， 然后输出最终结果。这个过程可以在Reduce阶段完成。至于将中间结果根据不同单词分组再分发给Reduce机器， 这正好是MapReduce过程中的shuffIe能够完成的，至此，这个实例的MapReduce程序就设计出来了。 Map阶段完成由输入数据到单词切分的工作，shuffle阶段完成相同单词的聚集和分发工作〈这个过程是MapReduce的默认过程，不用具体配置)，Reduce阶段负责接收所有单词并计算其频数。MapReduce'中传递的数据都是<key，value>形式的，并且shuffle排序聚集分发都是按照key值进行的，因此将Map的输出设计成由word作为key， 1作为value的形式，这表示单词word出现一次（Map的输入采用Hadoop默认的输入方式：文件的一行作为value，行号作为key)。Reduce的输入为Map输出聚集后的结果，即<key，value-list>，具体到这个实例就是<word，{1，1，1，1....}>，Reduce的输出会设计成与Map输出相同的形式，只是后面的数字不再固定是1,而是具体算出的word所对应的频数。
3.代码如下：
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;
public class WordCount {
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void 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);
}
}
}
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void 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);
}
}
public static void main(String[] args) throws Exception {
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");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
