WordCount程序中Map和Reduce过程分析

 

Map过程：

（1）文件的拆分，测试用的文件较小，每个文件为一个split，并将文件按行分成<key,value>对，如下图，这一步是由框架完成：

（2）将分割好的<key ,value>对交给用户定义的map方法进行处理，生成新的<key,value>对，如下图，这一步是由用户的map函数完成的，其中的每一行对应一个map进程,总共需要四个map进程：

（3）得到map方法输出的<key,value>后，框架会按照key值进行排序，并执行Combine过程，将相同的key值进行累加，这一步是由框架完成，如下图：

 

Reduce 过程：

Reducer 先对从Mapper接收的数据进行排序，再交由用户定义的Reduce方法处理，得到新的<key,value>对，如下图，由四个reduce进程完成：

import java.io.IOException;import java.net.URI;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.LongWritable;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.Reducer.Context;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class WordCount {	/**	 * @param args	 * @author nwpulisz	 * @date:2016.3.29	 */	static final String INPUT_PATH="hdfs://192.168.255.132:9000/INPUT";	static final String OUTPUT_PATH="hdfs://192.168.255.132:9000/OUTPUT";		public static void main(String[] args) throws Throwable {		// TODO Auto-generated method stub		Configuration conf = new Configuration();		Path outPut_path= new Path(OUTPUT_PATH);		Job job = new Job(conf, "WordCount");				//如果输出路径是存在的，则提前删除输出路径		FileSystem fileSystem = FileSystem.get(new URI(OUTPUT_PATH), conf);		if(fileSystem.exists(outPut_path))		{			fileSystem.delete(outPut_path,true);		}				FileInputFormat.setInputPaths(job, INPUT_PATH);		FileOutputFormat.setOutputPath(job, outPut_path);				job.setMapperClass(MyMapper.class);		job.setReducerClass(MyReducer.class);		job.setOutputKeyClass(Text.class);		job.setOutputValueClass(LongWritable.class);		job.waitForCompletion(true);	}		static class MyMapper extends Mapper
      
       {		protected void map(LongWritable key, Text value,                 Context context) throws IOException, InterruptedException {			String[] splits = value.toString().split("\\W+");			for (String word : splits) {				context.write(new Text(word), new LongWritable(1));			}		}			}		static class MyReducer extends Reducer
       
        {		protected void reduce(Text key, Iterable
        
          values, Context context                ) throws IOException, InterruptedException {			long times = 0L;			for(LongWritable value: values) {					times+=value.get();			}			context.write(new Text(key),new LongWritable(times));			}			}	}
        
       
      

　　

输入：

 

输出：

 

权限报错问题：

第一次运行出现权限报错问题：java.io.IOException: Failed to set permissions...

修正方法：

1、找到Hadoop源码中的FileUtil.java文件，我的路径在E:\hadoop-1.1.2\hadoop-1.1.2\src\core\org\apache\hadoop\fs中；

2、找到checkReturnValue方法，注释掉其中的内容，如下图：

3、重新编译该文件（需要导入Hadoop的相关jar包），之后生产两个.class文件

4、将新生成的两个类覆盖hadoop-core-1.1.2.jar\org\apache\hadoop\fs中的原来的两个类，即可。