source: sample/hadoop-0.16/WordCount2.java @ 77

Last change on this file since 77 was 25, checked in by waue, 16 years ago

downgrade from 0.17 to 0.16
test for work -> not yet

File size: 4.2 KB
Line 
1import java.io.BufferedReader;
2import java.io.FileReader;
3import java.io.IOException;
4import java.util.HashSet;
5import java.util.Iterator;
6import java.util.Set;
7import java.util.StringTokenizer;
8
9import org.apache.hadoop.conf.Configured;
10import org.apache.hadoop.filecache.DistributedCache;
11import org.apache.hadoop.fs.FileSystem;
12import org.apache.hadoop.fs.Path;
13import org.apache.hadoop.io.IntWritable;
14import org.apache.hadoop.io.LongWritable;
15import org.apache.hadoop.io.Text;
16import org.apache.hadoop.mapred.JobClient;
17import org.apache.hadoop.mapred.JobConf;
18import org.apache.hadoop.mapred.MapReduceBase;
19import org.apache.hadoop.mapred.Mapper;
20import org.apache.hadoop.mapred.OutputCollector;
21import org.apache.hadoop.mapred.Reducer;
22import org.apache.hadoop.mapred.Reporter;
23import org.apache.hadoop.util.StringUtils;
24
25public class WordCount2 extends Configured {
26
27  public static class Map extends MapReduceBase implements
28      Mapper<LongWritable, Text, Text, IntWritable> {
29
30    static enum Counters {
31      INPUT_WORDS
32    }
33
34    private final static IntWritable one = new IntWritable(1);
35
36    private Text word = new Text();
37
38    private boolean caseSensitive = true;
39
40    private Set<String> patternsToSkip = new HashSet<String>();
41
42    private long numRecords = 0;
43
44    private String inputFile;
45
46    public void configure(JobConf job) {
47      caseSensitive = job.getBoolean("wordcount.case.sensitive", true);
48      inputFile = job.get("map.input.file");
49
50      if (job.getBoolean("wordcount.skip.patterns", false)) {
51        Path[] patternsFiles = new Path[0];
52        try {
53          patternsFiles = DistributedCache.getLocalCacheFiles(job);
54        } catch (IOException ioe) {
55          System.err
56              .println("Caught exception while getting cached files: "
57                  + StringUtils.stringifyException(ioe));
58        }
59        for (Path patternsFile : patternsFiles) {
60          parseSkipFile(patternsFile);
61        }
62      }
63    }
64
65    private void parseSkipFile(Path patternsFile) {
66      try {
67        BufferedReader fis = new BufferedReader(new FileReader(
68            patternsFile.toString()));
69        String pattern = null;
70        while ((pattern = fis.readLine()) != null) {
71          patternsToSkip.add(pattern);
72        }
73      } catch (IOException ioe) {
74        System.err
75            .println("Caught exception while parsing the cached file '"
76                + patternsFile
77                + "' : "
78                + StringUtils.stringifyException(ioe));
79      }
80    }
81
82    public void map(LongWritable key, Text value,
83        OutputCollector<Text, IntWritable> output, Reporter reporter)
84        throws IOException {
85      String line = (caseSensitive) ? value.toString() : value.toString()
86          .toLowerCase();
87
88      for (String pattern : patternsToSkip) {
89        line = line.replaceAll(pattern, "");
90      }
91
92      StringTokenizer tokenizer = new StringTokenizer(line);
93      while (tokenizer.hasMoreTokens()) {
94        word.set(tokenizer.nextToken());
95        output.collect(word, one);
96        reporter.incrCounter(Counters.INPUT_WORDS, 1);
97      }
98
99      if ((++numRecords % 100) == 0) {
100        reporter.setStatus("Finished processing " + numRecords
101            + " records " + "from the input file: " + inputFile);
102      }
103    }
104  }
105
106  public static class Reduce extends MapReduceBase implements
107      Reducer<Text, IntWritable, Text, IntWritable> {
108    public void reduce(Text key, Iterator<IntWritable> values,
109        OutputCollector<Text, IntWritable> output, Reporter reporter)
110        throws IOException {
111      int sum = 0;
112      while (values.hasNext()) {
113        sum += values.next().get();
114      }
115      output.collect(key, new IntWritable(sum));
116    }
117  }
118
119  public static void main(String[] args) throws IOException {
120    String filename = "/user/waue/input/";
121    String outputPath = "sample-counts";
122    int mapTasks = 20;
123    int reduceTasks = 1;
124
125    JobConf conf = new JobConf(WordCount2.class);
126    conf.setJobName("wordcount");
127
128    conf.setNumMapTasks(mapTasks);
129    conf.setNumReduceTasks(reduceTasks);
130
131    conf.setInputPath(new Path(filename));
132
133    conf.setOutputKeyClass(Text.class);
134    conf.setOutputValueClass(IntWritable.class);
135   
136    conf.setOutputPath(new Path(outputPath));
137
138
139
140    conf.setMapperClass(Map.class);
141    conf.setCombinerClass(Reduce.class);
142    conf.setReducerClass(Reduce.class);
143
144    // Delete the output directory if it exists already
145    Path outputDir = new Path(outputPath);
146    FileSystem.get(conf).delete(outputDir);
147    JobClient.runJob(conf);
148  }
149}
Note: See TracBrowser for help on using the repository browser.