MapReduce 入门之一步步自实现词频统计功能的教程

笔记中提供了大量的代码示例，需要说明的是，大部分代码示例都是本人所敲代码并进行测试，不足之处，请大家指正~

LZ 本来想先仔细写一写 Hadoop 伪分布式的部署安装，然后介绍一些 HDFS 的内容再来介绍 MapReduce，是在是没有抽出空，今天就简单入门一下 MapReduce 吧。

一、MapReduce 概述

1.MapReduce 是一种分布式计算模型，由Google提出，主要用于搜索领域，解决海量数据的计算问题.

2.MapReduce 由两个阶段组成：Map和Reduce，用户只需要实现map()和reduce()两个函数，即可实现分布式计算

二、具体实现

1.先来看一下 Eclipse 中此应用的包结构

2.创建 map 的任务处理类：WCMapper

/* * 1.Mapper 类的四个泛型中，前两个指定 mapper 输入数据的类型,后两个指定 mapper 输出数据的类型 *   KEYIN 是输入的 key 的类型，VALUEIN 是输入的 value 的类型 *   KEYOUT 是输出的 key 的类型，VALUEOUT 是输出的 value 的类型 * 2.map 和 reduce 的数据的输入输出都是以 key-value 对的形式封装的 * 3.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，为 Long 类型， * 这一行的内容为 value，为 String 类型的  * 4.后两个泛型的赋值需要我们结合实际情况 * 5.为了在网络中传输时序列化更高效，Hadoop 把 Java 中的 Long 封装为 LongWritable, 把 String 封装为 Text */public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable> {        //重写 Mapper 中的 map 方法，MapReduce 框架每读一行数据就调用一次此方法    @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {        //书写具体的业务逻辑，业务要处理的数据已经被框架传递进来，就是方法的参数中的 key 和 value        //key 是这一行数据的起始偏移量，value 是这一行的文本内容                //1.将 Text 类型的一行的内容转为 String 类型        String line = value.toString();                //2.使用 StringUtils 以空格切分字符串，返回 String[]        String[] words = StringUtils.split(line, " ");                //3.循环遍历 String[],调用 context 的 writer()方法，输出为 key-value 对的形式        //key：单词   value：1        for(String word : words) {            context.write(new Text(word), new LongWritable(1));        }            }}

2.创建 reduce 的任务处理类：WCReducer：

/* * 1.Reducer 类的四个泛型中，前两个输入要与 Mapper 的输出相对应。输出需要联系具体情况自定义 */public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable> {        //框架在 map 处理完之后，将所有的 kv 对缓存起来，进行分组，然后传递一个分组(<key,{values}>,例如：<"hello",{1,1,1,1}>),    //调用此方法    @Override    protected void reduce(Text key, Iterable<LongWritable> values, Context context)throws IOException, InterruptedException {                //1.定义一个计数器        long count = 0;                //2.遍历 values的 list，进行累加求和        for(LongWritable value : values) {            //使用 LongWritable 的 get() 方法，可以将 一个 LongWritable 类型转为 Long 类型            count += value.get();        }                //3.输出这一个单词的统计结果        context.write(key, new LongWritable(count));    }}