筆記中提供了大量的代碼示例，需要說明的是，大部分代碼示例都是本人所敲代碼并進行測試，不足之處，請大家指正~

LZ 本來想先仔細寫一寫 Hadoop 偽分布式的部署安裝，然后介紹一些 HDFS 的內(nèi)容再來介紹 MapReduce，是在是沒有抽出空，今天就簡單入門一下 MapReduce 吧。

一、MapReduce 概述

1.MapReduce 是一種分布式計算模型，由Google提出，主要用于搜索領(lǐng)域，解決海量數(shù)據(jù)的計算問題.

2.MapReduce 由兩個階段組成：Map和Reduce，用戶只需要實現(xiàn)map()和reduce()兩個函數(shù)，即可實現(xiàn)分布式計算

二、具體實現(xiàn)

1.先來看一下 Eclipse 中此應用的包結(jié)構(gòu)

2.創(chuàng)建 map 的任務處理類：WCMapper

/* * 1.Mapper 類的四個泛型中，前兩個指定 mapper 輸入數(shù)據(jù)的類型,后兩個指定 mapper 輸出數(shù)據(jù)的類型 *   KEYIN 是輸入的 key 的類型，VALUEIN 是輸入的 value 的類型 *   KEYOUT 是輸出的 key 的類型，VALUEOUT 是輸出的 value 的類型 * 2.map 和 reduce 的數(shù)據(jù)的輸入輸出都是以 key-value 對的形式封裝的 * 3.默認情況下，框架傳遞給我們的 mapper 的輸入數(shù)據(jù)中，key 是要處理的文本中一行的起始偏移量，為 Long 類型， * 這一行的內(nèi)容為 value，為 String 類型的  * 4.后兩個泛型的賦值需要我們結(jié)合實際情況 * 5.為了在網(wǎng)絡中傳輸時序列化更高效，Hadoop 把 Java 中的 Long 封裝為 LongWritable, 把 String 封裝為 Text */public class WCMapper extends Mapper<LongWritable, Text, Text, LongWritable> {        //重寫 Mapper 中的 map 方法，MapReduce 框架每讀一行數(shù)據(jù)就調(diào)用一次此方法    @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {        //書寫具體的業(yè)務邏輯，業(yè)務要處理的數(shù)據(jù)已經(jīng)被框架傳遞進來，就是方法的參數(shù)中的 key 和 value        //key 是這一行數(shù)據(jù)的起始偏移量，value 是這一行的文本內(nèi)容                //1.將 Text 類型的一行的內(nèi)容轉(zhuǎn)為 String 類型        String line = value.toString();                //2.使用 StringUtils 以空格切分字符串，返回 String[]        String[] words = StringUtils.split(line, " ");                //3.循環(huán)遍歷 String[],調(diào)用 context 的 writer()方法，輸出為 key-value 對的形式        //key：單詞   value：1        for(String word : words) {            context.write(new Text(word), new LongWritable(1));        }            }}

2.創(chuàng)建 reduce 的任務處理類：WCReducer：

/* * 1.Reducer 類的四個泛型中，前兩個輸入要與 Mapper 的輸出相對應。輸出需要聯(lián)系具體情況自定義 */public class WCReducer extends Reducer<Text, LongWritable, Text, LongWritable> {        //框架在 map 處理完之后，將所有的 kv 對緩存起來，進行分組，然后傳遞一個分組(<key,{values}>,例如：<"hello",{1,1,1,1}>),    //調(diào)用此方法    @Override    protected void reduce(Text key, Iterable<LongWritable> values, Context context)throws IOException, InterruptedException {                //1.定義一個計數(shù)器        long count = 0;                //2.遍歷 values的 list，進行累加求和        for(LongWritable value : values) {            //使用 LongWritable 的 get() 方法，可以將 一個 LongWritable 類型轉(zhuǎn)為 Long 類型            count += value.get();        }                //3.輸出這一個單詞的統(tǒng)計結(jié)果        context.write(key, new LongWritable(count));    }}