1.1.wordcount程序整体运行流程示意图
map阶段： 将每一行文本数据变成<单词,1>这样的kv数据
欢迎加入大数据交流群：645891271，每晚更新教程哟，
reduce阶段：将相同单词的一组kv数据进行聚合：累加所有的v
注意点：mapreduce程序中，
map阶段的进、出数据，
reduce阶段的进、出数据，
类型都应该是实现了HADOOP序列化框架的类型，如：
String对应Text
Integer对应IntWritable
Long对应LongWritable
1.2.编码实现
WordcountMapper类开发
WordcountReducer类开发
JobSubmitter客户端类开发
《详见代码》
1.3.运行mr程序
1) 将工程整体打成一个jar包并上传到linux机器上，
2) 准备好要处理的数据文件放到hdfs的指定目录中
3) 用命令启动jar包中的Jobsubmitter，让它去提交jar包给yarn来运行其中的mapreduce程序 ： hadoopjar wc.jar cn.edu360.mr.wordcount.JobSubmitter .....
4) 去hdfs的输出目录中查看结果
1.4.mr程序运行模式
mr程序的运行方式：
1、yarn
2、本地(windows linux)
决定以哪种模式运行的关键点是：
v 参数 mapreduce.framework.name = yarn | local
同时，如果要运行在yarn上，以下两个参数也需要配置：
参数yarn.resourcemanager.hostname = ....
参数fs.defaultFS = ....
map阶段： 将每一行文本数据变成<单词,1>这样的kv数据
欢迎加入大数据交流群：645891271，每晚更新教程哟，
reduce阶段：将相同单词的一组kv数据进行聚合：累加所有的v
注意点：mapreduce程序中，
map阶段的进、出数据，
reduce阶段的进、出数据，
类型都应该是实现了HADOOP序列化框架的类型，如：
String对应Text
Integer对应IntWritable
Long对应LongWritable
1.2.编码实现
WordcountMapper类开发
WordcountReducer类开发
JobSubmitter客户端类开发
《详见代码》
1.3.运行mr程序
1) 将工程整体打成一个jar包并上传到linux机器上，
2) 准备好要处理的数据文件放到hdfs的指定目录中
3) 用命令启动jar包中的Jobsubmitter，让它去提交jar包给yarn来运行其中的mapreduce程序 ： hadoopjar wc.jar cn.edu360.mr.wordcount.JobSubmitter .....
4) 去hdfs的输出目录中查看结果
1.4.mr程序运行模式
mr程序的运行方式：
1、yarn
2、本地(windows linux)
决定以哪种模式运行的关键点是：
v 参数 mapreduce.framework.name = yarn | local
同时，如果要运行在yarn上，以下两个参数也需要配置：
参数yarn.resourcemanager.hostname = ....
参数fs.defaultFS = ....
