上次我們已經(jīng)搭建了Hadoop的偽分布式環(huán)境，并且運行了一下Hadoop自帶的例子–WordCount程序，展現(xiàn)良好。但是大多數(shù)時候還是得自己寫程序，編譯，打包，然后運行的，所以做一次自編譯打包運行的實驗。

編輯程序

在Eclipse或者NetBeans中編輯WordCount.java程序，用IDE的好處就是我們可以更方便的選擇各種依賴的jar包，并且它會幫我們編譯好，我們只需要去workspace中拿出class文件打包就好了，或者直接打包就行。而不用在命令行輸入很多依賴jar包去打包，這樣更加省事。

1.新建Java Project，名為WordCount，然后建立一個叫test的package，新建WordCount.java，編輯好。結(jié)構(gòu)如下：

 2.這時候我們的workspace/WordCount/bin/test目錄下自動生成了編譯好的三個class文件。

 3.將class文件打包。如下圖所示，在bin/test目錄下輸入

$ jar cvf WordCount.jar test/ 

即可將class文件打包為WordCount.jar.

4.運行hdfs:

$ cd /usr/local/hadoop 
$ ./sbin/start-dfs.sh 
$ jps    //檢查是否啟動NameNode,DataNode等 

5.往HDFS上的input文件夾中put一個文本文件或者xml文件，上篇文章有講。比如：

$ hadoop fs -put /usr/local/hadoop/etc/hadoop/*.xml input 

6.運行WordCount.jar

$ cd ~/workspace/WordCount/bin   //進(jìn)入到WordCount.jar所在目錄 
$ hadoop jar WordCount.jar test.WordCount input output 
$ hadoop fs -cat output/part-r-00000   //查看輸出 

7.關(guān)閉hdfs

$ cd /usr/local/hadoop 
$ ./sbin/stop-dfs.sh 

下次運行時須將output目錄刪除。

到此，我們就編譯運行成功了。還是挺簡單的。畢竟WordCount是hadoop界的Helloworld啊。

以后我們編寫hadoop程序，只需要按這個過程編譯打包運行一下就可以了。

一個錯誤

之前沒有指定包，而是放在默認(rèn)包內(nèi)的時候，運行

hadoop jar WordCount.jar WordCount input output 

會出現(xiàn)：

Exception in thread "main" java.lang.ClassNotFoundException: WordCount 

的錯誤，后來將WordCount.java重新寫在一個package(test)中就不再有這個問題了。

即第三個參數(shù)一定要是入口類，比如程序?qū)儆诎黷est，那么第三個參數(shù)須是 test.WordCount 。

WordCount 代碼

下面的代碼下載自網(wǎng)上，我看他還寫了很多注釋，就直接拿來用了。

package test; 
 
import java.io.IOException; 
import java.util.StringTokenizer; 
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.mapred.JobConf; 
import org.apache.hadoop.mapreduce.Job; 
import org.apache.hadoop.mapreduce.Mapper; 
import org.apache.hadoop.mapreduce.Reducer; 
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 
import org.apache.hadoop.util.GenericOptionsParser; 
 
public class WordCount { 
 
 /**  
     * MapReduceBase類:實現(xiàn)了Mapper和Reducer接口的基類（其中的方法只是實現(xiàn)接口，而未作任何事情）  
     * Mapper接口：  
     * WritableComparable接口：實現(xiàn)WritableComparable的類可以相互比較。所有被用作key的類應(yīng)該實現(xiàn)此接口。  
     * Reporter 則可用于報告整個應(yīng)用的運行進(jìn)度，本例中未使用。   
     *   
     */   
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> { 
     
  /**  
       * LongWritable, IntWritable, Text 均是 Hadoop 中實現(xiàn)的用于封裝 Java 數(shù)據(jù)類型的類，這些類實現(xiàn)了WritableComparable接口，  
       * 都能夠被串行化從而便于在分布式環(huán)境中進(jìn)行數(shù)據(jù)交換，你可以將它們分別視為long,int,String 的替代品。  
       */  
        private final static IntWritable one = new IntWritable(1); 
        private Text word = new Text();      //Text 實現(xiàn)了BinaryComparable類可以作為key值 
    
    /**  
     * Mapper接口中的map方法：  
     * void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)  
     * 映射一個單個的輸入k/v對到一個中間的k/v對  
     * 輸出對不需要和輸入對是相同的類型，輸入對可以映射到0個或多個輸出對。  
     * OutputCollector接口：收集Mapper和Reducer輸出的<k,v>對。  
     * OutputCollector接口的collect(k, v)方法:增加一個(k,v)對到output  
     */   
        public void map(Object key, Text value, Context context) throws IOException, InterruptedException { 
         
        /** 
         * 原始數(shù)據(jù)： 
         * c++ java hello 
world java hello 
you me too 
map階段，數(shù)據(jù)如下形式作為map的輸入值：key為偏移量 
0  c++ java hello 
            16 world java hello 
            34 you me too 
 
         */ 
 
            StringTokenizer itr = new StringTokenizer(value.toString());  //得到什么值 
      
            while (itr.hasMoreTokens()) { 
                word.set(itr.nextToken()); 
                context.write(word, one); 
            } 
        } 
    } 
   
    public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { 
        private IntWritable result = new IntWritable(); 
/** 
 * reduce過程是對輸入數(shù)據(jù)解析形成如下格式數(shù)據(jù)： 
 * (c++ [1]) 
 * (java [1,1]) 
 * (hello [1,1]) 
 * (world [1]) 
 * (you [1]) 
 * (me [1]) 
 * (you [1]) 
 * 供接下來的實現(xiàn)的reduce程序分析數(shù)據(jù)數(shù)據(jù) 
 *  
 */ 
        public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { 
            int sum = 0; 
            for (IntWritable val : values) { 
                sum += val.get(); 
            } 
            result.set(sum); 
            context.write(key, result); 
        } 
    } 
 
    public static void main(String[] args) throws Exception { 
   
   /**  
       * JobConf：map/reduce的job配置類，向hadoop框架描述map-reduce執(zhí)行的工作  
       * 構(gòu)造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等  
       */   
        Configuration conf = new Configuration(); 
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); 
        //這里需要配置參數(shù)即輸入和輸出的HDFS的文件路徑 
        if (otherArgs.length != 2) { 
            System.err.println("Usage: wordcount <in> <out>"); 
            System.exit(2); 
        } 
        Job job = new Job(conf, "word count");      // Job(Configuration conf, String jobName) 
        job.setJarByClass(WordCount.class); 
    job.setMapperClass(TokenizerMapper.class);  // 為job設(shè)置Mapper類  
    job.setCombinerClass(IntSumReducer.class);  // 為job設(shè)置Combiner類   
    job.setReducerClass(IntSumReducer.class);   // 為job設(shè)置Reduce類    
    job.setOutputKeyClass(Text.class);          // 設(shè)置輸出key的類型 
    job.setOutputValueClass(IntWritable.class); // 設(shè)置輸出value的類型 
    FileInputFormat.addInputPath(job, new Path(otherArgs[0]));  
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); 
    System.exit(job.waitForCompletion(true) ? 0 : 1); 
    } 
}