时间戳

首页 > 技术文章 > 合并文档

合并文档

baoendemao 2014-05-16 18:46 原文

资源文件file1
hadoop
test
hello
word
资源文件file2
happy
birthday
this
is
a
test
最终的结果
hadoop
test
hello
word
happy
birthday
this
is
a
test

分析：将两个文件合并成一个文件，是一个很简单的案例。设想我们可以将value设为空，这样就只有key在输出的时候直接数据就可以了。map过程将两个文件的每一行设为key，值设为空。在Reduce阶段只用将map阶段整理好的数据输出就可以了。

实现：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
package com.bwzy.hadoop;
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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.Mapper.Context;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
import com.bwzy.hadoop.WordCount.Map;
import com.bwzy.hadoop.WordCount.Reduce;
public class HeBing extends Configured implements Tool {
    public static class Map
            extends Mapper<LongWritable, Text, Text, Text> {
        public void map(LongWritable key, Text value, Context context) {
            String line = value.toString();
            try {
                context.write(new Text(line), new Text(""));
            } catch (IOException e) {
                e.printStackTrace();
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
    public static class Reduce extends
            Reducer<Text, Text, Text, Text> {
        public void reduce(Text key, Iterable<Text> values,
                Context context) throws IOException, InterruptedException {
            context.write(key, new Text(""));
        }
    }
    @Override
    public int run(String[] arg0) throws Exception {
        Job job = new Job(getConf());
        job.setJobName("HeBing");
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.setMapperClass(Map.class);
        job.setCombinerClass(Reduce.class);
        job.setReducerClass(Reduce.class);
        job.setInputFormatClass(TextInputFormat.class);
        job.setOutputFormatClass(TextOutputFormat.class);
        FileInputFormat.setInputPaths(job, new Path(arg0[0]));
        FileOutputFormat.setOutputPath(job, new Path(arg0[1]));
        boolean success = job.waitForCompletion(true);
        return success ? 0 : 1;
    }
    public static void main(String[] args) throws Exception {
        int ret = ToolRunner.run(new HeBing(), args);
        System.exit(ret);
    }
}

运行：
1：将程序打包
    选中打包的类-->右击-->Export-->java-->JAR file--填入保存路径-->完成
2：将jar包拷贝到hadoop的目录下。（因为程序中用到来hadoop的jar包）
3：将资源文件上传到定义的hdfs目录下
    创建hdfs目录命令（在hadoop已经成功启动的前提下）：hadoop fs -mkdir /自定义/自定义/input
    上传本地资源文件到hdfs上：hadop fs -put -copyFromLocal /home/user/Document/file1 /自定义/自定义/input
hadop fs -put -copyFromLocal /home/user/Document/file2 /自定义/自定义/input
4：运行MapReduce程序：
hadoop jar /home/user/hadoop-1.0.4/HeBing.jar com.bwzy.hadoop.HeBing /自定义/自定义/input /自定义/自定义/output

说明：hadoop运行后会自动创建/自定义/自定义/output目录，在该目录下会有两个文件，其中一个文件中存放来MapReduce运行的结果。如果重新运行该程序，需要将/自定义/自定义/output目录删除，否则系统认为该结果已经存在了。
5：运行的结果为
hadoop
test
hello
word
happy
birthday
this
is
a
test

推荐阅读