一、代码编写

1.1 单词统计

　　回顾我们以前单词统计的例子，如代码1.1所示。

 1 package counter;
 2 
 3 import java.net.URI;
 4 
 5 import org.apache.hadoop.conf.Configuration;
 6 import org.apache.hadoop.fs.FileSystem;
 7 import org.apache.hadoop.fs.Path;
 8 import org.apache.hadoop.io.LongWritable;
 9 import org.apache.hadoop.io.Text;
10 import org.apache.hadoop.mapreduce.Counter;
11 import org.apache.hadoop.mapreduce.Job;
12 import org.apache.hadoop.mapreduce.Mapper;
13 import org.apache.hadoop.mapreduce.Reducer;
14 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
15 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
16 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
17 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
18 import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;
19 
20 public class WordCountApp {
21     static final String INPUT_PATH = "hdfs://hadoop:9000/hello";
22     static final String OUT_PATH = "hdfs://hadoop:9000/out";
23     
24     public static void main(String[] args) throws Exception {
25         
26         Configuration conf = new Configuration();
27         
28         final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
29         final Path outPath = new Path(OUT_PATH);
30         
31         if(fileSystem.exists(outPath)){
32             fileSystem.delete(outPath, true);
33         }
34         
35         final Job job = new Job(conf , WordCountApp.class.getSimpleName());
36         
37         FileInputFormat.setInputPaths(job, INPUT_PATH);//1.1指定读取的文件位于哪里
38         
39         job.setInputFormatClass(TextInputFormat.class);//指定如何对输入文件进行格式化，把输入文件每一行解析成键值对
40         
41         job.setMapperClass(MyMapper.class);//1.2 指定自定义的map类
42         job.setMapOutputKeyClass(Text.class);//map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
43         job.setMapOutputValueClass(LongWritable.class);
44         
45         job.setPartitionerClass(HashPartitioner.class);//1.3 分区
46         job.setNumReduceTasks(1);//有一个reduce任务运行
47         
48         job.setReducerClass(MyReducer.class);//2.2 指定自定义reduce类
49         job.setOutputKeyClass(Text.class);//指定reduce的输出类型
50         job.setOutputValueClass(LongWritable.class);
51         
52         FileOutputFormat.setOutputPath(job, outPath);//2.3 指定写出到哪里
53         
54         job.setOutputFormatClass(TextOutputFormat.class);//指定输出文件的格式化类
55         
56         job.waitForCompletion(true);//把job提交给JobTracker运行
57     }
58     
59     /**
60      * KEYIN    即k1        表示行的偏移量
61      * VALUEIN    即v1        表示行文本内容
62      * KEYOUT    即k2        表示行中出现的单词
63      * VALUEOUT    即v2        表示行中出现的单词的次数，固定值1
64      */
65     static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
66         protected void map(LongWritable k1, Text v1, Context context) throws java.io.IOException ,InterruptedException {
67         //    final Counter helloCounter = context.getCounter("Sensitive Words", "hello");
68             
69             final String line = v1.toString();
70         /*    if(line.contains("hello")){
71                 //记录敏感词出现在一行中
72                 helloCounter.increment(1L);
73             }*/
74             final String[] splited = line.split(" ");
75             for (String word : splited) {
76                 context.write(new Text(word), new LongWritable(1));
77             }
78         };
79     }
80     
81     /**
82      * KEYIN    即k2        表示行中出现的单词
83      * VALUEIN    即v2        表示行中出现的单词的次数
84      * KEYOUT    即k3        表示文本中出现的不同单词
85      * VALUEOUT    即v3        表示文本中出现的不同单词的总次数
86      *
87      */
88     static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
89         protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s, Context ctx) throws java.io.IOException ,InterruptedException {
90             long times = 0L;
91             for (LongWritable count : v2s) {
92                 times += count.get();
93             }
94             ctx.write(k2, new LongWritable(times));
95         };
96     }
97         
98 }

View Code

代码 1.1

　　分析上面代码,我们会发现该单词统计方法的输入输出路径都已经写死了,比如输入路径：INPUT_PATH = "hdfs://hadoop:9000/hello"输出路径：OUT_PATH = "hdfs://hadoop:9000/out"。这样一来，这个算法的输入出路径也就固定死了，想要使用这个算法，相应的数据就必须满足这个固定的路径要求，从而算法的灵活性和可操作性也就大大降低了，也就是说我们的算法，目前还不算是一个通用的算法。所以为了提高算法灵活性和可操作性，应该通过指令运行时参数来指定输入输出路径。

1.2 在命令行运行的单词统计

　　在命令行运行的单词统计程序，如代码1.2所示。

  1 package cmd;
  2 
  3 import java.net.URI;
  4 
  5 import org.apache.hadoop.conf.Configuration;
  6 import org.apache.hadoop.conf.Configured;
  7 import org.apache.hadoop.fs.FileSystem;
  8 import org.apache.hadoop.fs.Path;
  9 import org.apache.hadoop.io.LongWritable;
 10 import org.apache.hadoop.io.Text;
 11 import org.apache.hadoop.mapreduce.Job;
 12 import org.apache.hadoop.mapreduce.Mapper;
 13 import org.apache.hadoop.mapreduce.Reducer;
 14 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
 15 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
 16 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
 17 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
 18 import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;
 19 import org.apache.hadoop.util.Tool;
 20 import org.apache.hadoop.util.ToolRunner;
 21 
 22 public class WordCountApp extends Configured implements Tool{
 23     static String INPUT_PATH = "";
 24     static String OUT_PATH = "";
 25     
 26     @Override
 27     public int run(String[] arg0) throws Exception {
 28         INPUT_PATH = arg0[0];
 29         OUT_PATH = arg0[1];
 30         
 31         Configuration conf = new Configuration();
 32         final FileSystem fileSystem = FileSystem.get(new URI(INPUT_PATH), conf);
 33         final Path outPath = new Path(OUT_PATH);
 34         if(fileSystem.exists(outPath)){
 35             fileSystem.delete(outPath, true);
 36         }
 37         
 38         final Job job = new Job(conf , WordCountApp.class.getSimpleName());        
 39         
 40         job.setJarByClass(WordCountApp.class);//打包运行必须执行的秘密方法        
 41         FileInputFormat.setInputPaths(job, INPUT_PATH);//1.1指定读取的文件位于哪里
 42         job.setInputFormatClass(TextInputFormat.class);//指定如何对输入文件进行格式化，把输入文件每一行解析成键值对
 43         
 44         job.setMapperClass(MyMapper.class);//1.2 指定自定义的map类        
 45         job.setMapOutputKeyClass(Text.class);//map输出的<k,v>类型。如果<k3,v3>的类型与<k2,v2>类型一致，则可以省略
 46         job.setMapOutputValueClass(LongWritable.class);
 47         
 48         
 49         job.setPartitionerClass(HashPartitioner.class);//1.3 分区        
 50         job.setNumReduceTasks(1);//有一个reduce任务运行
 51         
 52         
 53         job.setReducerClass(MyReducer.class);//2.2 指定自定义reduce类        
 54         job.setOutputKeyClass(Text.class);//指定reduce的输出类型
 55         job.setOutputValueClass(LongWritable.class);
 56         
 57         FileOutputFormat.setOutputPath(job, outPath);//2.3 指定写出到哪里
 58         job.setOutputFormatClass(TextOutputFormat.class);//指定输出文件的格式化类
 59         
 60         job.waitForCompletion(true);//把job提交给JobTracker运行
 61         return 0;
 62     }
 63     
 64     public static void main(String[] args) throws Exception {
 65         ToolRunner.run(new WordCountApp(), args);
 66     }
 67     
 68     /**
 69      * KEYIN    即k1        表示行的偏移量
 70      * VALUEIN    即v1        表示行文本内容
 71      * KEYOUT    即k2        表示行中出现的单词
 72      * VALUEOUT    即v2        表示行中出现的单词的次数，固定值1
 73      */
 74     static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
 75         protected void map(LongWritable k1, Text v1, Context context) throws java.io.IOException ,InterruptedException {
 76             final String[] splited = v1.toString().split("\t");
 77             for (String word : splited) {
 78                 context.write(new Text(word), new LongWritable(1));
 79             }
 80         };
 81     }
 82     
 83     /**
 84      * KEYIN    即k2        表示行中出现的单词
 85      * VALUEIN    即v2        表示行中出现的单词的次数
 86      * KEYOUT    即k3        表示文本中出现的不同单词
 87      * VALUEOUT    即v3        表示文本中出现的不同单词的总次数
 88      *
 89      */
 90     static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable>{
 91         protected void reduce(Text k2, java.lang.Iterable<LongWritable> v2s, Context ctx) throws java.io.IOException ,InterruptedException {
 92             long times = 0L;
 93             for (LongWritable count : v2s) {
 94                 times += count.get();
 95             }
 96             ctx.write(k2, new LongWritable(times));
 97         };
 98     }
 99 
100         
101 }

View Code

代码 1.2

　　在编写能够在命令行运行的单词统计程序时，我们的类要继承Configured类实现Tool接口，实现Tool接口就要添加一个run()方法。在run()方法中执行我们原来在Main()方法中运行的配置代码。然而run方法如何运行呢？那就要在Main方法中调用run方法，调用方式如代码1.3所示。

1 public static void main(String[] args) throws Exception {
2         ToolRunner.run(new WordCountApp(), args);
3     }

代码 1.3

　　我们看一下run方法的参数，ToolRunner.run(Tool tool, String[] args)，第一参数为Tool接口，我们知道该程序的类就是Tool的实现类所以我们可以，用该程序类的对象来作为参数。他的第二个参数，是一个字符数组args。在这里我们先讲一下，main函数的args参数。这个参数是运行程序前给它的参数。如果你在你程序要用这个参数的话，就需要在运行前指定。比如一个打印helloworld的程序如下：

public class HelloWorld{
    public static void main(String[] args) {
        System.out.println(args[0]);
    }
}

　　执行命令java HelloWorld ceshi ceshi1 ceshi2，那么在HelloWorld的main方法里面 args就是{"ceshi", "ceshi1", "ceshi2"}，打印的结果就是creshi。

　　经过对main方法的分析，我应该就知道了，run方法的第二个参数就应该是main函数的参数，这样就能够接受命令行所指定的参数了。那么既然输入输出路径由运行时的命令行的参数指定，那么就不需要在代码中指定路径了，所以将INPUT_PATH和OUT_PATH初始化为空。然后在run方法中通过由命令行传过来的参数来进行赋值，如下所示。

INPUT_PATH = arg0[0];//表示输入路径
OUT_PATH = arg0[1];//表示输出路径

　　而为了我们的程序能够在命令行运行，必须添加“job.setJarByClass(WordCountApp.class);”代码，表示我们的程序以打包的方式运行。

二、运行方式