写Hadoop分析数据的代码

以下是一个使用Hadoop MapReduce分析数据的例子：

假设有一个文本文件，其中包含一些单词，我们想要计算每个单词出现的次数。

1. 首先，我们需要编写一个Mapper类来处理每行文本：

public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

  private final static IntWritable one = new IntWritable(1);
  private Text word = new Text();

  @Override
  public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    String line = value.toString();
    StringTokenizer tokenizer = new StringTokenizer(line);
    while (tokenizer.hasMoreTokens()) {
      word.set(tokenizer.nextToken());
      context.write(word, one);
    }
  }
}

2. 接下来，我们需要编写一个Reducer类来聚合Mapper的输出：

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

  private IntWritable result = new IntWritable();

  @Override
  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);
  }
}

3. 最后，我们需要编写一个主类来配置和运行MapReduce作业：

public class WordCount {

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(WordCountMapper.class);
    job.setCombinerClass(WordCountReducer.class);
    job.setReducerClass(WordCountReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

这个例子中，我们使用了Hadoop MapReduce来处理一个简单的单词计数问题。我们首先编写了一个Mapper类来处理每行文本，将每个单词映射到一个计数为1的键值对。然后我们编写了一个Reducer类来聚合Mapper的输出，统计每个单词出现的总次数。最后，我们编写了一个主类来配置和运行MapReduce作业，指定输入和输出文件路径，并等待作业完成。