MaperReduce实现WordCount程序二次排序

前期准备

• 启动Zookeeper

./zkServer.sh start

• 启动HDFS

start-dfs.sh 

• 启动Yarn

start-yarn.sh

• 将要处理的数据文件上传到HDFS

  ##这里数据文件名为wordcount.txt，目标存放路径为hdfs:/wc/srcdata/##在HDFS根目录下创建wc目录hadoop fs -mkdir /wc ##创建srcdata目录hadoop fs -mkdir /wc/srcdata##上传wordcount.txthadoop fs -put wordcount.txt /wc/srcdata##不需要创建输出目录，否则会报错

1. 工程结构

• 导入common核心包及其依赖包
• 导入mapreduce包及其依赖包
• 导入tools包及其依赖
  

2. 编写自定义NewKey类

package cn.hadoop.mr.wordcount;import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;import org.apache.hadoop.io.WritableComparable;/** newKey是自定义的数据类型，要在hadoop的各个节点之间传输，应该遵循hadoop的序列化机制* 就必须实现hadoop相应的序列化接口*/public class NewKey implements WritableComparable<NewKey>{private String word;//反序列化时，反射机制需要调用空参构造函数，所以显示定义了一个空参构造函数public NewKey() {}//初始化对象public NewKey(String word) {this.word = word;}public String getWord() {return word;}public void setWord(String word) {this.word = word;}//从数据流中反序列化出对象的数据//从数据流中读出对象字段时，必须与序列化时的顺序一致@Overridepublic void readFields(DataInput in) throws IOException {word = in.readUTF();}//将对象数据序列化到流中@Overridepublic void write(DataOutput out) throws IOException {out.writeUTF(word);     }@Overridepublic String toString() {return word;}//实现倒序排序@Overridepublic int compareTo(NewKey o) {return o.getWord().compareToIgnoreCase(word);}}

3. 编写WCMapper类

package cn.hadoop.mr.wordcount;import java.io.IOException;import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;//四个泛型中，前两个时指定mapper输入数据的类型，KEYIN是输入的key的类型，VALUE是输入的value的类型
//map和reduce的数据输入输出都是以key-value对的形式封装的
//默认情况下，框架传递给我们的mapper的输入数据中，key是要处理的文本中一行的起始偏移量，这一行的内容作为value
//mapreduce框架将Long类型封装为可序列化的LongWriteble类型，String封装为Text
public class WCMapper extends Mapper<LongWritable, Text, NewKey, LongWritable>{//mapreduce框架每读一行数据就调用一次该方法@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {//具体的业务处理逻辑在该方法中编写，业务处理所需的数据由框架进行传递，在方法的参数中体现key-value//key是这一行数据的起始偏移量，value是这一行的文本内容//将这一行内容转化为string类型String line=value.toString();//调用Hadoop工具类对这一行文本按特定分隔符切分String[] words = StringUtils.split(line," ");//遍历单词数组输出到context中，输出为key-value形式，key为单词，value为1for(String word:words) {context.write(new NewKey(word), new LongWritable(1));}}
}

4. 编写WCReduer类

package cn.hadoop.mr.wordcount;import java.io.IOException;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.mapreduce.Reducer;public class WCReucer extends Reducer<NewKey, LongWritable, NewKey, LongWritable>{//框架在map处理完成之后，缓存所有k-v对，根据k进行分组（相同k为同一组）后传递<key,value{}>，对每一组k调用一次reduce方法//<hello,{1,1,1,1....}>@Overrideprotected void reduce(NewKey key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {long count =0;//遍历values进行累加求和for(LongWritable value : values) {count += value.get();}//输出这一个单词的统计结果context.write(key, new LongWritable(count));}}

5. 编写作业描述类

package cn.hadoop.mr.wordcount;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;/*** 用来描述一个特定的作业* 例如：* 指定该作业所使用的map类和reduce类；* 指定作业所需输入数据的存放路径；* 指定作业输出结果存放路径* @author Administrator**/
public class WCRunner extends Configured implements Tool{@Overridepublic int run(String[] arg0) throws Exception {//配置文件Configuration conf = new Configuration();Job job = Job.getInstance(conf);//设置整个job所调用类的jar包路径job.setJarByClass(WCRunner.class);//设置该作业所使用的mapper和reducer类job.setMapperClass(WCMapper.class);job.setReducerClass(WCReucer.class);//指定mapper输出数据的k-v类型，和reduce输出类型一样，可缺省job.setMapOutputKeyClass(NewKey.class);job.setOutputValueClass(LongWritable.class);//指定reduce输出数据的k-v类型job.setOutputKeyClass(NewKey.class);job.setOutputValueClass(LongWritable.class);//指定输入数据存放路径FileInputFormat.setInputPaths(job, new Path(arg0[0]));//指定输出数据存放路径FileOutputFormat.setOutputPath(job, new Path(arg0[1]));//将job提交给集群运行，参数为true表示提示运行进度return job.waitForCompletion(true)?0:1;}public static void main(String[] args) throws Exception {int res = ToolRunner.run(new Configuration(), new WCRunner(), args);System.exit(res);}}

6. 将工程打包

注：工程所使用的JDK版本必须和Hadoop所使用的JDK版本一致

``

8. 查看输出结果

##查看指定的输出路径是否生成文件
hadoop fs -ls /wc/output##查看运行结果hadoop fs -cat /wc/output/part-r-00000

结果如图所示