Hadoop MapReduce编程实战指南：从原理到代码落地

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;

// 泛型参数说明：<输入key类型, 输入value类型, 输出key类型, 输出value类型>
// LongWritable：输入数据的行号（Hadoop的序列化类型，比Java的Long更省空间）；
// Text：输入的一行文本；
// Text：输出的key（单词）；
// IntWritable：输出的value（计数1）。
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    // 定义常量1，避免重复创建对象
    private final static IntWritable ONE = new IntWritable(1);
    // 存储单词的Text对象（复用，减少GC）
    private Text word = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 把输入的一行文本转成String
        String line = value.toString();
        // 按空格拆分单词（注意：实际场景要处理标点，比如把“hello,”拆成“hello”）
        String[] words = line.split("\s+");
        // 遍历每个单词，输出<单词,1>
        for (String w : words) {
            word.set(w);
            context.write(word, ONE); // Context是Map任务的输出上下文，用来写结果
        }
    }
}

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;

// 泛型参数说明：<输入key类型（和Mapper的输出key一致）, 输入value类型（和Mapper的输出value一致）, 输出key类型, 输出value类型>
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    private IntWritable result = new IntWritable();

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        // 遍历同一key的所有value（比如所有<hello,1>），累加求和
        for (IntWritable val : values) {
            sum += val.get(); // get()方法取出IntWritable里的int值
        }
        result.set(sum);
        context.write(key, result); // 输出最终结果：<单词, 总次数>
    }
}

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.output.FileOutputFormat;

public class WordCountDriver {
    public static void main(String[] args) throws Exception {
        // 1. 加载Hadoop配置（比如core-site.xml、hdfs-site.xml里的参数）
        Configuration conf = new Configuration();
        // 2. 创建Job对象，指定任务名称（随便起，方便查日志）
        Job job = Job.getInstance(conf, "word count");
        // 3. 指定Driver类的路径（Hadoop需要找到这个类来运行任务）
        job.setJarByClass(WordCountDriver.class);
        // 4. 设置Mapper和Reducer类
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
        // 5. 可选：设置Combiner（在Mapper端先汇总，减少Shuffle的数据量）
        job.setCombinerClass(WordCountReducer.class);
        // 6. 设置输出结果的key和value类型（必须和Reducer的输出一致）
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        // 7. 设置输入路径（从命令行参数取第一个值，比如/input）
        FileInputFormat.addInputPath(job, new Path(args[0]));
        // 8. 设置输出路径（第二个参数，比如/output，注意：这个路径不能提前存在！）
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        // 9. 提交任务，等待完成（返回true表示成功，false失败）
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-common</artifactId>
        <version>3.3.4</version>
    </dependency>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoop-mapreduce-client-core</artifactId>
        <version>3.3.4</version>
    </dependency>
</dependencies>

hadoop jar wordcount-1.0-SNAPSHOT.jar com.example.WordCountDriver /input /output

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Partitioner;

public class WordLengthPartitioner extends Partitioner<Text, IntWritable> {
    @Override
    public int getPartition(Text key, IntWritable value, int numPartitions) {
        // 按单词长度分区：长度1-2的到分区0，3-4的到分区1，其余到分区2
        int length = key.toString().length();
        if (length <= 2) return 0;
        else if (length <=4) return 1;
        else return 2;
    }
}