解析——WordCount編程實(shí)現(xiàn)思路

更新時(shí)間:2023年06月12日10時(shí)44分來源:傳智教育瀏覽次數(shù):

WordCount算是大數(shù)據(jù)計(jì)算領(lǐng)域經(jīng)典的入門案例，相當(dāng)于Hello World。

雖然WordCount業(yè)務(wù)極其簡(jiǎn)單，但是希望能夠通過案例感受背后MapReduce的執(zhí)行流程和默認(rèn)的行為機(jī)制，這才是關(guān)鍵。

WordCount

WordCount編程實(shí)現(xiàn)思路

map階段的核心：把輸入的數(shù)據(jù)經(jīng)過切割，全部標(biāo)記1，因此輸出就是<單詞，1>。

shuffle階段核心：經(jīng)過MR程序內(nèi)部自帶默認(rèn)的排序分組等功能，把key相同的單詞會(huì)作為一組數(shù)據(jù)構(gòu)成新的kv對(duì)。

reduce階段核心：處理shuffle完的一組數(shù)據(jù)，該組數(shù)據(jù)就是該單詞所有的鍵值對(duì)。對(duì)所有的1進(jìn)行累加求和，就是單詞的總次數(shù)。

WordCount編程

上傳課程資料中的文本文件1.txt到HDFS文件系統(tǒng)的/input目錄下，如果沒有這個(gè)目錄，使用shell創(chuàng)建。

•hadoop fs -mkdir /input

•hadoop fs -put 1.txt /input

準(zhǔn)備好之后，執(zhí)行官方MapReduce實(shí)例，對(duì)上述文件進(jìn)行單詞次數(shù)統(tǒng)計(jì)。

第一個(gè)參數(shù)：wordcount表示執(zhí)行單詞統(tǒng)計(jì)任務(wù);

第二個(gè)參數(shù)：指定輸入文件的路徑;

第三個(gè)參數(shù)：指定輸出結(jié)果的路徑(該路徑不能已存在);

最新資訊