MapReduce Java API-多输入路径方式

约定不等于承诺〃 2022-09-03 08:24 149阅读 0赞

# 场景 #

MapReduce Java API实例-统计单词出现频率：

[https://blog.csdn.net/BADAO\_LIUMANG\_QIZHI/article/details/119410169][https_blog.csdn.net_BADAO_LIUMANG_QIZHI_article_details_119410169]

在上面实现统计单次出现的频率的基础上。

数据集只是单路径，如果有多个数据集文件，即有多个txt文件，要怎么实现。

多文件输入采用MultipleInputs.addInputPath方法即可完成。

注：

博客：  
[https://blog.csdn.net/badao\_liumang\_qizhi][https_blog.csdn.net_badao_liumang_qizhi]  
关注公众号  
霸道的程序猿  
获取编程相关电子书、教程推送与免费下载。

# 实现 #

map和reduce的代码基本和上面的一致

1、map类

package com.badao.multinput;
    
    
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.LongWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;
    
    import java.io.IOException;
    import java.util.StringTokenizer;
    
    public class MultInputMapper extends Mapper<LongWritable,Text,Text,IntWritable> {
        //1、编写map函数，通过继承Mapper类实现里面的map函数
        //   Mapper类当中的第一个函数是Object,也可以写成Long
        //   第一个参数对应的值是行偏移量
    
        //2、第二个参数类型通常是Text类型，Text是Hadoop实现的String 类型的可写类型
        //   第二个参数对应的值是每行字符串
    
        //3、第三个参数表示的是输出key的数据类型
    
        //4、第四个参数表示的是输出value的数据类型，IntWriable 是Hadoop实现的int类型的可写数据类型
    
        public final static IntWritable one = new IntWritable(1);
        public Text word = new Text();
    
        //key 是行偏移量
        //value是每行字符串
        @Override
        public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            StringTokenizer stringTokenizer = new StringTokenizer(value.toString());
            while (stringTokenizer.hasMoreTokens())
            {
                //stringTokenizer.nextToken()是字符串类型，使用set函数完成字符串到Text数据类型的转换
                word.set(stringTokenizer.nextToken());
                //通过write函数写入到本地文件
                context.write(word,one);
            }
        }
    }

2、reduce类

package com.badao.multinput;
    
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;
    
    import java.io.IOException;
    
    
    //第一个参数类型是输入值key的数据类型，map中间输出key的数据类型
    //第二个参数类型是输入值value的数据类型，map中间输出value的数据类型
    //第三个参数类型是输出值key的数据类型，他的数据类型要跟job.setOutputKeyClass(Text.class) 保持一致
    //第四个参数类型是输出值value的数据类型，它的数据类型要跟job.setOutputValueClass(IntWriable.class) 保持一致
    
    public class MultInputReducer extends Reducer<Text, IntWritable,Text,IntWritable> {
    
        public IntWritable result = new IntWritable();
    
    
        //key就是单词  values是单词出现频率列表
        @Override
        public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int sum = 0;
            for(IntWritable val:values)
            {
                //get就是取出IntWriable的值
                sum += val.get();
            }
            result.set(sum);
            context.write(key,result);
        }
    }

3、job类

job这里不同，单路径时

FileInputFormat.addInputPath(job,new Path("D:\\words.txt"));

多路径时

Path path1 = new Path("D:\\words.txt");
            Path path2 = new Path("D:\\words2.txt");
    
            MultipleInputs.addInputPath(job,path1, TextInputFormat.class,MultInputMapper.class);
            MultipleInputs.addInputPath(job,path2, TextInputFormat.class,MultInputMapper.class);

完整代码

package com.badao.multinput;
    
    
    import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.io.IntWritable;
    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.input.MultipleInputs;
    import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
    import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;
    
    import java.io.IOException;
    
    public class MultInputJob {
        public static void main(String[] args) throws InterruptedException, IOException, ClassNotFoundException {
            wordCountLocal();
        }
    
        public static void wordCountLocal()throws IOException, ClassNotFoundException, InterruptedException
        {
            Configuration conf = new Configuration();
            //实例化一个作业，word count是作业的名字
            Job job = Job.getInstance(conf, "multinputwordcount");
            //指定通过哪个类找到对应的jar包
            job.setJarByClass(MultInputJob.class);
    
            //为job设置Mapper类
            job.setMapperClass(MultInputMapper.class);
            job.setCombinerClass(IntSumReducer.class);
            //为job设置reduce类
            job.setReducerClass(MultInputReducer.class);
    
            //为job的输出数据设置key类
            job.setOutputKeyClass(Text.class);
            //为job输出设置value类
            job.setOutputValueClass(IntWritable.class);
    
            //多个输入路径
            Path path1 = new Path("D:\\words.txt");
            Path path2 = new Path("D:\\words2.txt");
    
            MultipleInputs.addInputPath(job,path1, TextInputFormat.class,MultInputMapper.class);
            MultipleInputs.addInputPath(job,path2, TextInputFormat.class,MultInputMapper.class);
    
            //为job设置输出路径
            FileOutputFormat.setOutputPath(job,new Path("D:\\mulinputOut"));
            job.waitForCompletion(true);
        }
    
    }

运行job类查看效果

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0JBREFPX0xJVU1BTkdfUUlaSEk_size_16_color_FFFFFF_t_70][]

[https_blog.csdn.net_BADAO_LIUMANG_QIZHI_article_details_119410169]: https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/119410169
[https_blog.csdn.net_badao_liumang_qizhi]: https://blog.csdn.net/badao_liumang_qizhi
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0JBREFPX0xJVU1BTkdfUUlaSEk_size_16_color_FFFFFF_t_70]: /images/20220829/aac8bb3f6e784f589be8b57a39f8c64a.png