Hadoop MapReduce如何进行WordCount自主编译运行

Hadoop MapReduce如何进行WordCount自主编译运行

上次我们已经搭建了Hadoop的伪分布式环境，并且运行了一下Hadoop自带的例子–WordCount程序，展现良好。但是大多数时候还是得自己写程序，编译，打包，然后运行的，所以做一次自编译打包运行的实验。

编辑程序

在Eclipse或者NetBeans中编辑WordCount.java程序，用IDE的好处就是我们可以更方便的选择各种依赖的jar包，并且它会帮我们编译好，我们只需要去workspace中拿出class文件打包就好了，或者直接打包就行。而不用在命令行输入很多依赖jar包去打包，这样更加省事。

1.新建Java Project，名为WordCount，然后建立一个叫test的package，新建WordCount.java，编辑好。结构如下：

2.这时候我们的workspace/WordCount/bin/test目录下自动生成了编译好的三个class文件。

3.将class文件打包。如下图所示，在bin/test目录下输入

$ jar cvf WordCount.jar test/ 

$ jar cvf WordCount.jar test/

即可将class文件打包为WordCount.jar.

4.运行hdfs:

$ cd /usr/local/hadoop $ ./sbin/start-dfs.sh $ jps    //检查是否启动NameNode,DataNode等 

$ cd /usr/local/hadoop $ ./sbin/start-dfs.sh $ jps //检查是否启动NameNode,DataNode等

5.往HDFS上的input文件夹中put一个文本文件或者xml文件，上篇文章有讲。比如：

$ hadoop fs -put /usr/local/hadoop/etc/hadoop/*.xml input 

$ hadoop fs -put /usr/local/hadoop/etc/hadoop/*.xml input

6.运行WordCount.jar

$ cd ~/workspace/WordCount/bin   //进入到WordCount.jar所在目录 $ hadoop jar WordCount.jar test.WordCount input output $ hadoop fs -cat output/part-r-00000   //查看输出

$ cd ~/workspace/WordCount/bin //进入到WordCount.jar所在目录 $ hadoop jar WordCount.jar test.WordCount input output $ hadoop fs -cat output/part-r-00000 //查看输出

7.关闭hdfs

$ cd /usr/local/hadoop $ ./sbin/stop-dfs.sh 

$ cd /usr/local/hadoop $ ./sbin/stop-dfs.sh

下次运行时须将output目录删除。

到此，我们就编译运行成功了。还是挺简单的。毕竟WordCount是hadoop界的Helloworld啊。

以后我们编写hadoop程序，只需要按这个过程编译打包运行一下就可以了。

一个错误

之前没有指定包，而是放在默认包内的时候，运行

hadoop jar WordCount.jar WordCount input output 

hadoop jar WordCount.jar WordCount input output

会出现

Exception in thread "main" java.lang.ClassNotFoundException: WordCount 

Exception in thread "main" java.lang.ClassNotFoundException: WordCount

的错误，后来将WordCount.java重新写在一个package(test)中就不再有这个问题了。

即第三个参数一定要是入口类，比如程序属于包test，那么第三个参数须是 test.WordCount 。

WordCount 代码

下面的代码下载自网上，我看他还写了很多注释，就直接拿来用了。

package test;  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.mapred.JobConf; 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 {   /**       * MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）       * Mapper接口：       * WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。       * Reporter 则可用于报告整个应用的运行进度，本例中未使用。        *        */       public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {        /**         * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，         * 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。         */          private final static IntWritable one = new IntWritable(1);         private Text word = new Text();      //Text 实现了BinaryComparable类可以作为key值         /**       * Mapper接口中的map方法：       * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)       * 映射一个单个的输入k/v对到一个中间的k/v对       * 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。       * OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。       * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output       */           public void map(Object key, Text value, Context context) throws IOException, InterruptedException {                  /**          * 原始数据：          * c++ java hello world java hello you me too map阶段，数据如下形式作为map的输入值：key为偏移量 0  c++ java hello             16 world java hello             34 you me too           */              StringTokenizer itr = new StringTokenizer(value.toString());  //得到什么值                   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(); /**  * reduce过程是对输入数据解析形成如下格式数据：  * (c++ [1])  * (java [1,1])  * (hello [1,1])  * (world [1])  * (you [1])  * (me [1])  * (you [1])  * 供接下来的实现的reduce程序分析数据数据  *   */         public void reduce(Text key, Iterable 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 {       /**         * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作         * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等         */           Configuration conf = new Configuration();         String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();         //这里需要配置参数即输入和输出的HDFS的文件路径         if (otherArgs.length != 2) {             System.err.println("Usage: wordcount  ");             System.exit(2);         }         Job job = new Job(conf, "word count");      // Job(Configuration conf, String jobName)         job.setJarByClass(WordCount.class);     job.setMapperClass(TokenizerMapper.class);  // 为job设置Mapper类      job.setCombinerClass(IntSumReducer.class);  // 为job设置Combiner类       job.setReducerClass(IntSumReducer.class);   // 为job设置Reduce类        job.setOutputKeyClass(Text.class);          // 设置输出key的类型     job.setOutputValueClass(IntWritable.class); // 设置输出value的类型     FileInputFormat.addInputPath(job, new Path(otherArgs[0]));      FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));     System.exit(job.waitForCompletion(true) ? 0 : 1);     } } 

package test; 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.mapred.JobConf; 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 { /** * MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情） * Mapper接口： * WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。 * Reporter 则可用于报告整个应用的运行进度，本例中未使用。 * */ public static class TokenizerMapper extends Mapper { /** * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口， * 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。 */ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); //Text 实现了BinaryComparable类可以作为key值 /** * Mapper接口中的map方法： * void map(K1 key, V1 value, OutputCollector output, Reporter reporter) * 映射一个单个的输入k/v对到一个中间的k/v对 * 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。 * OutputCollector接口：收集Mapper和Reducer输出的对。 * OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output */ public void map(Object key, Text value, Context context) throws IOException, InterruptedException { /** * 原始数据： * c++ java hello world java hello you me too map阶段，数据如下形式作为map的输入值：key为偏移量 0 c++ java hello 16 world java hello 34 you me too */ StringTokenizer itr = new StringTokenizer(value.toString()); //得到什么值 while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer { private IntWritable result = new IntWritable(); /** * reduce过程是对输入数据解析形成如下格式数据： * (c++ [1]) * (java [1,1]) * (hello [1,1]) * (world [1]) * (you [1]) * (me [1]) * (you [1]) * 供接下来的实现的reduce程序分析数据数据 * */ public void reduce(Text key, Iterable 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 { /** * JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作 * 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等 */ Configuration conf = new Configuration(); String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); //这里需要配置参数即输入和输出的HDFS的文件路径 if (otherArgs.length != 2) { System.err.println("Usage: wordcount "); System.exit(2); } Job job = new Job(conf, "word count"); // Job(Configuration conf, String jobName) job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); // 为job设置Mapper类 job.setCombinerClass(IntSumReducer.class); // 为job设置Combiner类 job.setReducerClass(IntSumReducer.class); // 为job设置Reduce类 job.setOutputKeyClass(Text.class); // 设置输出key的类型 job.setOutputValueClass(IntWritable.class); // 设置输出value的类型 FileInputFormat.addInputPath(job, new Path(otherArgs[0])); FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); } }