上节课我们一起学习了MapReduce大的框架及原理，单看理论的话很容易懵圈，这节我们便一起学习一个MapReduce的简单例子，通过例子来理解原理从来都是最好的学习方法。
** 首先我们来简单操作一个入门级的例子，就是统计一下某个文件当中的每个单词出现的次数。我们在mapreduce目录下有一个words文件，如下图红色圈住的内容，在words文件当中我们看到如下图所示的内容（查看命令是more words），为了不让原来的操作影响我们本次操作的结果，我把我HDFS系统根目录下原来的words文件和结果文件都删除掉了（您的HDFS系统的根目录下默认是没有这两个文件的，没有就不用进行删除操作），删除的命令是:hadoop fs -rm -r /words、hadoop fs -rm -r /wcout。等删除完之后我们再来查看一下HDFS系统根目录下的文件列表，发现没有words文件和wcout文件，如下图。**
** 接下来我们便把words文件上传到HDFS系统根目录下，上传的命令是:hadoop fs -put words /words（注意路径，由于我在本地words所在的路径下操作的，因此直接写的就是words，如果在别的目录下执行上传命令一定要注意words文件所在的位置）。上传完之后我们来看一下HDFS系统根目录下当前的文件列表，发现多了一个words文件，如下图所示。**
** 接下来我们该执行wordcount命令了，如下图所示，执行的命令是:hadoop jar hadoop-examples-2.2.0.jar wordcount /words /wcout，其中hadoop-examples-2.2.0.jar是Hadoop给我们自带的很多例子的jar包，我们用到了其中的wordcount的命令，/words文件代表输入，/wcout文件代表输出，两个文件都在HDFS系统根目录下。执行成功之后我们再来看一下HDFS系统根目录下的文件列表，发现多了一个wcout文件，如下图所示。我们再进入这个wcout文件夹当中看里面都有哪些东西，查看的命令是:hadoop fs -ls /wcout/，我们发现它的里面有两个文件，其中/wcout/part-r-00000这个文件中保存了我们计算的结果。我们再具体看看这个part-r-00000文件当中的具体内容是什么，我们使用命令hadoop fs -cat /wcout/part-r-00000，发现这个文件里面记录着每个单词出现的次数，如下图所示。我们发现我们这个例子完全正确。**
** 上面我们手工操作了一遍关于统计单词数量的例子，下面我们来通过图例的形式来看一下运行流程（如下图所示）。**
** 接下来我们便正式开始用代码来跑一下这个例子，首先我们需要导入MapReduce所需要的jar包，当然在之前我们已经导入了hadoop所需的jar包和common的jar包，具体请参考：http://blog.csdn.net/u012453843/article/details/52487499这节课。如下图所示。**
** 导入jar包后，我们开始写代码，首先我粘出来我们自己实现的Mapper类**
package com.myhadoop.mr;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
/**
- 定义一个Mapper类，该类继承自Hadoop的Mapper类，Mapper类有4个泛型，分别代表
- KEYIN(K1)、VALUEIN(V1)、KEYOUT(K2)、VALEOUT(V2)，其中<K1,V1>的数据如：
- <0, "hello tom">，<K2,V2>的数据如：<"hello", 1>。Mapper的这4个泛型一定要实现
- 序列化，这样方便快速传输。Hadoop所用的序列化与jdk所用的序列化是不一样的，因为
- jdk的序列化机制非常冗余(需要保存类之间的关系等)，因此Hadoop实现了自己的一套序
- 列化机制，其中数值型的数据可以用LongWritable来序列化，字符串型的数据可以用Text
- 来序列化。我们发现K1是数值类型，因此它的序列化泛型是LongWritable，V1是字符串因
- 此它的序列化泛型是Text，K2是字符串类型，因此它的序列化泛型是Text，V2是数值类型
- 因此它的序列化泛型是LongWritable。
- @author
*/
public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
//需要重写map方法
@Override
protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, LongWritable>.Context context)
throws IOException, InterruptedException {
//接收数据V1
String line = value.toString();
//切分数据
String[] words = line.split(" ");
//循环输出word
for(String word : words){
//由于word是String类型数据，没有序列化，因此在写出去之前先序列化。
//1是int类型，没有序列化，因此要序列化。
context.write(new Text(word), new LongWritable(1));
}
}
}
接着我粘贴出我们自己实现的Reducer类
package com.myhadoop.mr;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WCReduce extends Reducer<Text, LongWritable, Text, LongWritable>{
@Override
protected void reduce(Text key, Iterable<LongWritable> v2s,
Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws IOException, InterruptedException {
//定义一个counter用来统计某个单词出现的次数是多少
long counter=0;
//其实v2s当中存储的都是一个个被序列化好了的1
for(LongWritable i : v2s){
counter+=i.get();//跟我们熟悉的counter++是一个意思
}
//输出<K3、V3>，比如<"hello", 5>
context.write(key, new LongWritable(counter));
}
}
最后我粘出程序的入口类WordCount的代码
package com.myhadoop.mr;
import org.apache.hadoop.conf.Configuration;
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class WordCount {
public static void main(String[] args) throws Exception {
//我们已经自定义好了Mapper和RedUC而现在我们要做的就是把MapReduce作业提交上去
//现在我们把MapReduce作业抽象成Job对象了
Job job = Job.getInstance(new Configuration());
//注意：一定要将main方法所在的类设置进来。
job.setJarByClass(WordCount.class);
//接下来我们设置一下Job的Mapper相关属性
job.setMapperClass(WCMapper.class);//设置Mapper类
job.setMapOutputKeyClass(Text.class);//设置K2的类型
job.setMapOutputValueClass(LongWritable.class);//设置V2的类型
//接下来我们得告诉程序我们应该去哪里读取文件。需要注意的是Path是指在Hadoop的HDFS系统上的路径
FileInputFormat.setInputPaths(job, new Path(args[0]));//这里我们采用变量的形式传进来地址
//接下来我们来设置一下Job的Reducer相关属性
job.setReducerClass(WCReduce.class);//设置Reducer类
job.setOutputKeyClass(Text.class);//设置K3的类型
job.setOutputValueClass(LongWritable.class);//设置V3的类型
//接下来我们得告诉程序应该把结果信息写到什么位置。注意：这里的Path依然是指文件在Hadoop的HDFS系统
//上的路径。
FileOutputFormat.setOutputPath(job, new Path(args[1]));//我们依然采用变量的形式传进来输出地址。
job.waitForCompletion(true);//把作业提交并且等待执行完成，参数为true的话，会打印进度和详情。
}
}
写完了代码我们就该打包我们写的程序了，打包的过程如下，首先在Hadoop项目上右键，在下拉菜单中点击“Export”
点击“Export”后进入如下图所示的界面，我们点击展开Java目录，我们选择JAR file，然后点击“Next”
点击“Next”之后我们进入如下图所示界面，我们勾选上Hadoop前面的复选框，点击“Browser”，我们选择把即将生成的jar包存放到Windows的哪个目录下，这里我把它放到了F盘根目录下，命名完毕之后点击“保存”，如下图所示。
命名完毕后我们回到如下图所示的界面，我们直接点击“Finish”即可。
** 我们刚才生成的jar包有没有成功呢？我们到F盘根目录下看看，如下图所示，我们发现确实有wordcount.jar这个文件**
** 因为Windows系统上没有运行该jar包的相关环境，因此我们需要把该jar文件上传到Linux系统上，这里我们通过使用FileZilla工具把它上传到root根目录下，如下图所示，如果不会使用FileZilla工具请参考：http://blog.csdn.net/u012453843/article/details/52422736这节课进行学习。**
** 上传到root根目录下后我们再来通过命令的方式查看一下，如下图所示，发现在root根目录下确实有wordcount.jar这个文件。**
** 接下来我们需要查看一下，HDFS和Yarn服务是否已经启动，我们使用命令jps来查看进程快照，发现只有2756这一个进程，说明还没启动hdfs和yarn，因此我们需要启动它们，我们进入到/itcast/hadoop-2.2.0/sbin/目录下，该目录下有启动hdfs和yarn的脚本，我们使用命令./start-dfs.sh和./start-yarn.sh来分别启动hdfs和yarn进程，启动完毕之后我们再次使用命令jps来查看进程快照，发现这时进程包括Jps、NodeManager、NameNode、ResourceManager、DataNode、SecondaryNameNode，这说明服务都启动成功了，如下图所示。**
** 接下来我们来看一下在HDFS系统根目录下是否已经有我们以前生成的结果文件，我们使用命令：hadoop fs -ls /来查看，发现这个根目录下确实有一个wcout文件，我们为了避免它给我们造成干扰，我们先把它删掉，删除使用的命令是hadoop fs -rm -r /wcout，删除完之后我们再查看一下是否还存在wcout这个文件，发现这个文件已经被成功删除了！如下图所示**
** 接下来我们开始执行我们刚才打包的jar文件了，我们使用命令：hadoop jar wordcount.jar com.myhadoop.mr.WordCount /words /wcout0917，我来解释一下这条命令的意思，hadoop jar是专门用来执行jar包的，wordcount.jar就是我们打包的jar，com.myhadoop.mr.WordCount是包名加上Main方法所在的类名，告诉执行者Main方法所在的位置，/words是HDFS系统根目录下的一个文件，这个文件是我们要统计的文件，告诉程序应该从哪里读取数据，/wcout0917的意思是告诉程序要把执行结果放到HDFS系统根目录下的wcout0917这个文件夹里，wcout0917是我随意起的一个名字。执行完之后，我们通过命令hadoop fs -ls /来查看HDFS根目录下是否生成了我们刚才命名的wcout0917文件，经检查确实如此，如下图所示。**
** 接着我们进入到/wcout0917这个文件夹下，看里面都有哪些文件，我们使用命令：hadoop fs -ls /wcout0917/来查看，发现有两个文件，我们进一步查看part-r-00000这个文件的内容，使用命令：hadoop fs -cat /wcout0917/part-r-00000，我们发现确实计算出了正确的结果！如下图所示。**
** 上面我们具体用代码操作了一个具体的小例子，那么我们接下来看一下工作原理图。**
** 第1步：当我们执行hadoop jar wordcount.jar com.myhadoop.mr.WordCount /words /wcout0917这条命令时，会启动一个Job任务，该任务会被交给JobClient处理。**
** 第2步：JobClient会通过RPC协议得到了ResourceManager的一个代理对象，然后开始与ResourceManager进行通信，JobClient会把JobID交给ResourceManager，ResourceManager会返回给JobClient一个地址的前缀，JobClient会把这个地址前缀拼接上JobID做为文件要存放的路径（拼接JobID的目的是为了防止地址重复）。**
** 第3步：Client会使用FileSystem把数据写到HDFS系统上的这个拼接好的地址。**
** 第4步：JobClient再把刚才数据存放的路径和JobID等描述信息传给ResourceManager，ResourceManager会把这些描述信息记录下来。**
** 第5步：ResourceManager把接收的信息进行初始化并且把它们放到自己的任务调度器当中。**
** 第6步：ResourceManager要看这个数据有多大，根据数据的大小来决定起多少个Mapper和多少个Reducer**
** 第7步：NodeManager与ResourceManager通过心跳机制进行通信，NodeManager会向ResourceManager申请任务。**
** 第8步：NodeManager申请到任务之后，便会到HDFS系统下载相应的jar包。**
** 第9步：NodeManager下载完jar包之后，它会另外起一个java进程（yarnchild）来处理，在这个进程中有Mapper和Reducer**
** 第10步：Reducer把数据都处理完之后，再把结果重新再写到HDFS系统上。**
