5.Word Count

实验准备

环境：CDH 5.13.0 镜像，虚拟机
VMware版
VirtualBox版

下载对应版本的虚拟机和镜像。如果没有开启VT-d, 需要进入BIOS开启。

导入虚拟机

1. 解压下载好的镜像, 点击ovf文件

2. 最低配置为6GB内存，2CPU

3. 导入镜像，开机。系统的性能此过程可能持续5~30分钟

4. 开机完成会自动打开Firefox浏览器

启动Eclipse

1. 打开eclipse，新建Project, 选择Maven Project

2. 点击Next

3. Group Id和Artifact Id 随意填写，点击Finish，创建项目

4. 在新建的项目中，修改pom.xml

5. 在pom.xml中添加dependency

<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-core</artifactId>
<version>1.2.1</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.2</version>
</dependency>

6. 保存之后Maven将自动引入依赖文件

7. 从src中删除自动生成的App.java文件，新建MapReduce程序

代码

在项目目录下新建input/文件夹，在该文件夹下新建data.txt文件。data.txt写入输入样本，如：

I love big data and hadoop and I love data science

在src/main/java文件夹下，新建WordCount.java

package  big.data;
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> {
		public  void  map(Object key, Text value, Context context)
		throws  IOException, InterruptedException {
		StringTokenizer itr = new  StringTokenizer(value.toString());
			while (itr.hasMoreTokens()) {
				context.write(new  Text(itr.nextToken()), new  IntWritable(1));
			}
		}
	}
public  static  class IntSumReducer extends  Reducer<Text, IntWritable, Text, IntWritable> {
	public  void  reduce(Text key, Iterable<IntWritable> values, Context context) throws  IOException, InterruptedException {
		int sum = 0;
		for (IntWritable val : values) {
			sum += val.get();
		}
		context.write(key, new  IntWritable(sum));
	}
}
	public  static  void  main(String[] args) throws  Exception {
		Configuration conf = new  Configuration();
		Job job = new  Job(conf, "word count");
		job.setJarByClass(WordCount.class);
		job.setMapperClass(TokenizerMapper.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);
	}
}

可序列化对象

为了方便数据在网络中传输，MapReduce提供了对应java基本类型的可序列化对象。

执行

1. 点击Run按钮，修改Configuration，确保Project和Main Class正确
2. 修改Argument, 点击Run
3. 在output路径下查看输出