首先编写WordCount.java源文件，分别通过map和reduce方法统计文本中每个单词出现的次数，然后按照字母的顺序排列输出，

　　Map过程首先是多个map并行提取多个句子里面的单词然后分别列出来每个单词，出现次数为1，全部列举出来

　　

　　Reduce过程首先将相同key的数据进行查找分组然后合并，比如对于key为Hello的数据分组为：<Hello, 1>、<Hello,1>、<Hello,1>，合并之后就是<Hello,1+1+1>，分组也可以理解为reduce的操作，合并减少数据时reduce的主要任务，叠加运算之后就是<Hello, 3>所以最后可以输出Hello 3，这样就完成了一轮MapReduce处理

　　

　　WordCount.java代码如下：

1 import java.io.IOException; 2 import java.util.Iterator; 3 import java.util.StringTokenizer; 4  5 import org.apache.hadoop.fs.Path; 6 import org.apache.hadoop.io.IntWritable; 7 import org.apache.hadoop.io.LongWritable; 8 import org.apache.hadoop.io.Text; 9 import org.apache.hadoop.mapred.FileInputFormat;10 import org.apache.hadoop.mapred.FileOutputFormat;11 import org.apache.hadoop.mapred.JobClient;12 import org.apache.hadoop.mapred.JobConf;13 import org.apache.hadoop.mapred.MapReduceBase;14 import org.apache.hadoop.mapred.Mapper;15 import org.apache.hadoop.mapred.OutputCollector;16 import org.apache.hadoop.mapred.Reducer;17 import org.apache.hadoop.mapred.Reporter;18 import org.apache.hadoop.mapred.TextInputFormat;19 import org.apache.hadoop.mapred.TextOutputFormat;20 21 public class WordCount {22 23     public static class Map extends MapReduceBase implements24             Mapper
     
       {25         private final static IntWritable one = new IntWritable(1);26         private Text word = new Text();27 28         public void map(LongWritable key, Text value,29                 OutputCollector
      
        output, Reporter reporter)30                 throws IOException {31             String line = value.toString();32             StringTokenizer tokenizer = new StringTokenizer(line);33             while (tokenizer.hasMoreTokens()) {34                 word.set(tokenizer.nextToken());35                 output.collect(word, one);36             }37         }38     }39 40     public static class Reduce extends MapReduceBase implements41             Reducer
       
         {42         public void reduce(Text key, Iterator
        
          values,43                 OutputCollector
         
           output, Reporter reporter)44                 throws IOException {45             int sum = 0;46             while (values.hasNext()) {47                 sum += values.next().get();48             }49             output.collect(key, new IntWritable(sum));50         }51     }52 53     public static void main(String[] args) throws Exception {54         JobConf conf = new JobConf(WordCount.class);55         conf.setJobName("wordcount");56 57         conf.setOutputKeyClass(Text.class);58         conf.setOutputValueClass(IntWritable.class);59 60         conf.setMapperClass(Map.class);61         conf.setCombinerClass(Reduce.class);62         conf.setReducerClass(Reduce.class);63 64         conf.setInputFormat(TextInputFormat.class);65         conf.setOutputFormat(TextOutputFormat.class);66 67         FileInputFormat.setInputPaths(conf, new Path(args[0]));68         FileOutputFormat.setOutputPath(conf, new Path(args[1]));69 70         JobClient.runJob(conf);71     }72 }
         
        
       
      
     

　　将此java文件上传到服务器后，首先要进行编译，如果是eclipse会自动完成，如果没有配置开发环境需要手动对源文件进行编译，命令如下：

javac -classpath /hadoop/hadoop-1.2.1/hadoop-core-1.2.1.jar:/hadoop/hadoop-1.2.1/lib/commons-cli-1.2.jar WordCount.java

　　编译的时候需要制定上面两个jar包，编译完成之后除了生成WordCount.class字节码之外还有WordCount$Map.class和WordCount$Reduce.class，我们知道这两个文件是内部类Map和Reduce生成的

　　然后开始对class文件打包生成wordcount.jar

jar -cvf wordcount.jar *.class

　　

　　现在就打包生成了wordcount.jar文件

　　接下来可以通过传给main方法参数执行参数是两个字符串，分别为args[0]和args[1]，可以把它放到文件中进行输入，那么可以在hdfs文件系统中建立两个文件file01和file02并写入内容，依次执行命令：

$ echo "Hello World Hello Java" > file01$ echo "Hello World Hello Hadoop" > file02$ hadoop fs -mkdir input$ hadoop fs -put file0* input/

　　现在hdfs文件系统中/user/用户名/input下就有两个文件file01和file02，同样我们可以用命令查看文件的存在性和内容

　　接下来就可以提交任务用hadoop来运行jar包中的函数进行数据处理了

hadoop jar wordcount.jar WordCount input output

　　WordCount代码jar包里的主类，input是传入的文件作为参数，output参数就是hadoop作业完毕之后结果存放目录，开始执行会看到map和reduce的处理进度

　　

　　处理完毕后，通过hadoop fs -ls output/ 查看生成的结果文件是否存在

　　

　　通过结果可以看到任务执行正常并输出了结果文件，可以用hadoop fs -get output localdata将文件传到本地查看，也可以执行下面命令查看文件的内容

hadoop fs -cat output/part-00000

　　

　　可以看到结果按顺序统计出来了，到这里一个简单的WordCount程序就手动开发成功了