eclipse使用hadoop来统计单词的个数
2015-10-10 09:37
585 查看
说明:eclipse4.5 hadoop2.6 ubuntu。 事先已经在eclipse中配置了hadoop的插件
我们可以用命令直接使用hadoop安装路径中的example下的woedconnt来统计单词的格式。但是我们为了了解hadoop统计单词的过程,就需要对它的源码进行分析。
hadoop的核心就是HDFS和MapReduce。下面让我们来看看hadoop单词统计的代码。
我们可以用命令直接使用hadoop安装路径中的example下的woedconnt来统计单词的格式。但是我们为了了解hadoop统计单词的过程,就需要对它的源码进行分析。
hadoop的核心就是HDFS和MapReduce。下面让我们来看看hadoop单词统计的代码。
<span style="font-family:Microsoft YaHei;font-size:14px;">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; public class WordCount { public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable>{ //IntWritable类是一个为整数可以进行写、可以进行比较而定义的,比如统计单词出现频率就是一个整数。 private final static IntWritable one = new IntWritable(1); //Text类是用来存储文本内容的,存储的文本内容经过了编码、解码等等操作。 private Text word = new Text(); /** * MapClass是一个内部静态类。统计数据文件中每一行的单词。 */ public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //StringTokenizer是将String line = value.toString();这个从文本中获取到的可能很长的不规范 //(带空格或者其他分隔符,这里默认就是空格作为分隔符的)的字符串进行处理,提取由空格作为分隔符的每个单词 StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); //将提取出来的单词设置到Text word中 context.write(word, one); } } } /** * Reduce是一个内部静态类。作为统计单词数量的中间结果类,由于这个例子简单无须执行中间结果的合并。 * reduce方法的第二个参数为Iterator<IntWritable> values,是一个迭代器类型,即是多个value的迭代器, * 通过这个迭代器可以得到多个value。又由于第一个参数指定了key,那么这个迭代器就是与这个key相关的了, * 即每个value都是key的value,如果统计词频,只要将多个value进行求和运算即可。 */ 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(); System.out.println(sum); } result.set(sum); context.write(key, result); } } /** * map/reduce程序的驱动部分,用于实现提交map/reduce任务。 */ public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); /** * 这里必须有输入/输出 */ if (args.length != 2) { System.err.println("Usage: wordcount "); System.exit(2); } System.out.println("/////////////////////////////"); Job job = new Job(conf, "word count"); job.setJarByClass(WordCount.class); //主类 job.setMapperClass(TokenizerMapper.class); //指定mapper的类型 job.setCombinerClass(IntSumReducer.class);//作业合成类 job.setReducerClass(IntSumReducer.class); //指定reducer的类型 job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); job.setOutputKeyClass(Text.class); //设置作业输出数据的关键类 job.setOutputValueClass(IntWritable.class); //设置作业输出值类 FileInputFormat.addInputPath(job, new Path(args[0])); //文件输入 FileOutputFormat.setOutputPath(job, new Path(args[1])); //文件输出 System.exit(job.waitForCompletion(true) ? 0 : 1); //等待完成退出. } }
相关文章推荐
- Java基础知识强化之集合框架笔记62:Map集合之HashMap嵌套HashMap
- eclipse调试以及各个键的作用
- JAVA基础学习(二十一)--IO流三-File、Properties、PrintWriter与合并、分割流
- JAVA基础学习day21--IO流三-File、Properties、PrintWriter与合并、分割流
- 使用JavaMail发送邮件时判断发送结…
- 解决Java从MySQL读取大量数据时卡…
- 基于Boost线程库实现Java中atomic…
- 怎么在eclipse中打开Android的samp…
- Java中自定义枚举(Enum)项的值及…
- Interface(Java关键字)天然是接…
- Java中条件变量使用示例及性能测试
- 深入理解Java Proxy
- 转载:C, Erlang, Java and Go Web…
- java中的省略参数
- 发现自己土了: java运行时指定虚…
- 备忘:java中如何从文件中读写大量…
- Eclipse如何修改Web项目的名称
- 用java编程实现十进制转换十六进制并打印
- Myeclipse打开web.xml很卡的问题
- java抽象类和抽象方法