关于hadoop的参考文献

原创

mob649e8160f07c 2023-07-31 06:12:09 ©著作权

文章标签 Hadoop apache hadoop 文章分类 Hadoop 大数据

©著作权归作者所有：来自51CTO博客作者mob649e8160f07c的原创作品，请联系作者获取转载授权，否则将追究法律责任

Hadoop简介及代码示例

什么是Hadoop？

Hadoop是一个开源的分布式框架，用于处理大规模数据集。它可以在一组计算机集群上并行处理大量数据，并提供高可靠性和高性能。

Hadoop的核心组件包括：

Hadoop Distributed File System (HDFS)：一个分布式文件系统，用于存储数据。
MapReduce：一种用于分布式计算的编程模型，用于处理和分析存储在HDFS中的数据。

Hadoop的代码示例

下面是一个使用Hadoop MapReduce来统计文本文件中单词频率的代码示例：

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;

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();
    Job job = Job.getInstance(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(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

上述代码是一个完整的使用Hadoop的MapReduce编程模型来实现单词频率统计的例子。它包含了Mapper类、Reducer类以及主函数。Mapper类负责将输入的文本文件拆分为单词，并将每个单词映射为一个键值对(word, 1)；Reducer类负责对相同的单词进行汇总统计。主函数则负责配置和启动MapReduce任务。