原文鏈接：
https://www.toutiao.com/i6764296608705151496/
單詞統計的是統計一個文件中單詞出現的次數，比如下面的數據源
其中,最終出現的次數結果應該是下面的顯示
那么在MapReduce中該如何編寫代碼並出現最終結果？
首先我們把文件上傳到HDFS中(hdfs dfs –put …)
數據名稱：data.txt，大小是size是2G
紅黃綠三個塊表示的是數據存放的塊
然后數據data.txt進入map階段，會以<K,V>(KV對)的形式進入，K表示的是：每行首字母相對於文件頭的字節偏移量，V表示的是每一行的文本。
那么我可以用圖表示：藍色的橢圓球表示一個map，紅黃綠數據塊在進入map階段的時候，數據的形式為左邊紅色的<K,V>(KV對)的形式
經過map處理，比如String.split(""),做一次處理，數據會在不同的紅黃綠數據塊中變為下面的KV形式
我們在配置Hadoop的時候或設置reduce的數量，假如有兩個reduce
Map執行完的數據會放到對應的reduce中，如下圖
這個地方有一個簡單的原理就是
Job.setNumReduce(2)會設置reduce的數量
而HashPartioner類可以利用 key.hashcode % reduce的結果，將不同的map結果輸入到不同的reduce中，比如a-e開頭的放到一個地方，e-z開頭的放到一個地方，那么
這樣的數據結果就會變成
好那么我們此時可以統計了，我開始編寫代碼
首先我們創建一個wordCount項目，我們創建的項目是maven項目
其中pom的配置部分
我們創建類
繼承Mapper(注意注釋)
編寫代碼
同樣創建WordCountReducer，編寫代碼，利用前面的reduce思想理解
創建WordCountDriver類編寫代碼
導出項目jar
我們啟動Hadoop
我們上傳數據和jar包
將數據上傳到hdfs上
執行下面語句
bin/yarn jar /data/wordCount/wordCount.jar com.xlglvc.xx.mapredece.wordcount_client.WordCountDriver /data.txt /outputwordcount
出了點問題，時間不同步
安裝ntpdate工具
yum -y install ntp ntpdate
設置系統時間與網絡時間同步
ntpdate cn.pool.ntp.org
然后重新執行，此時我們新選擇個目錄
bin/yarn jar /data/wordCount/wordCount.jar com.xlglvc.xx.mapredece.wordcount_client.WordCountDriver /data.txt /outputwordcount1
我們去瀏覽器查詢
我們查看最終結果
bin/hdfs dfs -text /outputwordcount1/part-r-00000
出現我們想要的結果，統計完成