阅读目录
本文版权归mephisto和博客园共有，欢迎转载，但须保留此段声明，并给出原文链接，谢谢合作。
文章是哥(mephisto)写的，SourceLink
序
上一篇，我们的Eclipse插件搞定，那开始我们的MapReduce之旅。
在这里，我们先调用官方的wordcount例子，然后再手动创建个例子，这样可以更好的理解Job。
数据准备
一：说明
wordcount这个类是对不同的word进行统计个数，所以这里我们得准备数据，当然也不需要很大的数据量，毕竟是自己做试验对吧。
二：造数据
打开记事本，输入各种word，有相同的，不同的。然后保存为words_01.txt。
三：上传
打开eclipse，然后在DFS location 中将我们准备的数据源上传到tmp/input。
这样我们的数据就准备好了。
wordcount
一：官网示例
wordcount是hadoop的一个官网试例，打包在hadoop-mapreduce-examples-<ver>.jar。
二：找到示例
我们在结果中看到两个地方有，那就找个近一点的地方吧。
find / -name *hadoop-mapreduce-examples*
四：进入目录
我们选择进入/usr/hdp/下面的这个例子。
cd /usr/hdp/2.3.0.0-2557/hadoop-mapreduce五：执行
我们先使用hadoop jar这个命令执行。
命令说明:hadoop jar 包名称 方法 输入文件/目录 输出目录
#切换用户 su hsfs #执行 hadoop jar hadoop-mapreduce-examples-2.7.1.2.3.0.0-2557.jar wordcount /tmp/input/words_01.txt /tmp/output/1007_01命令执行结果
插件结果
job页面结果
这样我们的第一个job就这样顺利的执行完成了。
Yarn
一：介绍
Hadoop2.X和Hadoop1.X有两个最大的变化，也是根本性变化。
其中一个是Namenode的单点问题解决，然后就是Yarn的引入。在这里我们就不做展开的讲了，后面会安排章节进行讲述。
二：Yarn命令
如果仔细看的话，我们可以发现在上面hadoop jar这个命令执行后，会有一个警告。
yarn jar hadoop-mapreduce-examples-2.7.1.2.3.0.0-2557.jar wordcount /tmp/input/words_01.txt /tmp/output/1007_02
新建MapReduce
一：通过插件新建工程
这里就不详说了，在上一篇我们通过插件建立了一个工程，我们直接使用那个工程“com.first”。
二：新建WordCountEx类
这个是我们的自定义的wordcount类，仿照官网例子写的，做了点DIY，方便大家理解。
完成后
三：新建Mapper
在WordCountEx类中建一个内部类MyMapper。
在这里我们做了点DIY,排除了字母长度小于5的数据，方便大家对比理解程序。
View Codestatic class MyMapper extends Mapper<Object, Text, Text, IntWritable> { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); @Override protected void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException { // 分割字符串 StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { // 排除字母少于5个的 String tmp = itr.nextToken(); if (tmp.length() < 5) continue; word.set(tmp); context.write(word, one); } } }