Hadoop入门教程（十一）：编程的方式使用 MapReduce 实现 WordCount 案例

上一篇文章我们大致了解了什么是 MapReduce，这一节我们将使用代码编程的方式实现 WordCount 案例，体验一下 MapReduce 到底是怎么回事。本章的完整代码分享在：https://github.com/renfei/demo/blob/master/hadoop/hadoop_api/src/main/java/net/renfei/hadoop/WordCountMapReduce.java

Mapper类

先新建一个 Mapper 类，我这里叫 WordCountMapper，代码如下：

/**
 * Map（映射）
 */
public static class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    private final Text word = new Text();
    private final IntWritable intWritable = new IntWritable(1);
    /**
     * Mapper 的业务逻辑需要写在 map() 里，我们这里重写父类的 map()
     *
     * @param key
     * @param value
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 拿到一行数据
        String line = value.toString();
        // 按照空格切分单词
        String[] words = line.split(" ");
        // 遍历单词
        for (String word : words
        ) {
            this.word.set(word);
            // 把Map（映射）好的东西返回给框架
            context.write(this.word, this.intWritable);
        }
    }
}

我们继承了 org.apache.hadoop.mapreduce.Mapper，传递了 4 个类型 <LongWritable, Text, Text, IntWritable>，分别代表 输入Key类型、输入Value类型、输出Key类型、输出Value类型，然后重写 map() 方法。

其中 LongWritable, Text, IntWritable 类型是 Hadoop 中的类型，其实跟 Java 是一样的后面加了个 Writable，Text 其实就是 String，你可以理解为包装类型。下一章我们就会讲这个 Writable。

map() 方法里面就是我们的主要业务逻辑。

Reducer类

新建一个 Reducer 类，我这里叫 WordCountReducer，代码如下：

/**
 * Reduce（归约）
 */
public static class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    private final IntWritable total = new IntWritable();
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        // 遍历我们上面 Map（映射）出的 同 Key 的 Value
        for (IntWritable value : values
        ) {
            // 对 Value 求和
            sum += value.get();
        }
        // 装箱包装一下
        this.total.set(sum);
        // 把 Reduce（归约）结果返回给框架
        context.write(key, this.total);
    }
}

代码的含义跟上面的 Mapper 一样，继承了 org.apache.hadoop.mapreduce.Reducer，传递 4 个类型，同样代表 输入Key类型、输入Value类型、输出Key类型、输出Value类型，然后重写 reduce() 方法。

reduce() 方法里面就是我们的主要业务逻辑。

驱动类

我们再新建一个类，来驱动我们的 Map 和 Reduce，我这里起名叫 WordCountMapReduce，并提供一个 main 入口，代码如下：

/**
 * 程序的入口
 *
 * @param args
 * @throws IOException
 */
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
    Job job = Job.getInstance(new Configuration());
    // 告知框架我们的类路径
    job.setJarByClass(WordCountMapReduce.class);
    // 告知框架mapper和reducer
    job.setMapperClass(WordCountMapper.class);
    job.setReducerClass(WordCountReducer.class);
    // 告知框架mapper和reducer的输出类型
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(IntWritable.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    // 告知框架输入输出数据路径
    FileInputFormat.setInputPaths(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    // 提交job
    boolean exc = job.waitForCompletion(true);
    System.exit(exc ? 0 : 1);
}

本地运行代码

如果你还没配置搭建本地运行环境，请先阅读《Hadoop入门教程（九）：本地搭建 Hadoop 开发环境》配置好环境变量。

当你直接执行的时候，程序会报错，因为 main 参数数组越界了，我们没有提供两个参数，可以这样修改，如下图：

打包到集群中运行

在 Maven 中执行 package 打包，你会得到一个 jar 包，如下：

然后上传到集群里，执行：

hadoop jar hadoop-1.0.0.jar net.renfei.hadoop.WordCountMapReduce /demo/demo.txt /outdemo

后面的参数分别是 jar包、类路径、输入文件、输出文件夹