MapReduce-入门程序wordcount开发详细指导

最新推荐文章于 2022-09-01 21:48:21 发布

amingo_ss

最新推荐文章于 2022-09-01 21:48:21 发布

阅读量209

点赞数 4

分类专栏：大数据 mapreduce 文章标签： mapreduce hadoop 大数据

本文链接：https://blog.csdn.net/amingo_ss/article/details/106452252

版权

大数据同时被 2 个专栏收录

23 篇文章 0 订阅

订阅专栏

mapreduce

8 篇文章 0 订阅

订阅专栏

WordCount入门程序

1.过程分析

（1）mapreduce阶段
在这里插入图片描述
（2）job运行阶段

在job运行时，需要知道下面这些信息
(1)Job任务执行的类
(2)map运行需要的输入文件路径
(3)reduce运行输出的文件保存路径
(4)job运行的map类和reduce类
(5)Hadoop的集群配置信息
(6)Reduce输出的数据类型

2.创建maven项目

2.1 log4j配置文件

log4j.rootLogger = debug,stdout,D,E

log4j.appender.stdout = org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target = System.out
log4j.appender.stdout.layout = org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern = [%-5p] %d{yyyy-MM-dd HH:mm:ss,SSS} method:%l%n%m%n

log4j.appender.D = org.apache.log4j.DailyRollingFileAppender
log4j.appender.D.File = E://hadoop/hdfs_logs/log.log
log4j.appender.D.Append = true
log4j.appender.D.Threshold = DEBUG 
log4j.appender.D.layout = org.apache.log4j.PatternLayout
log4j.appender.D.layout.ConversionPattern = %-d{yyyy-MM-dd HH:mm:ss}  [ %t:%r ] - [ %p ]  %m%n

log4j.appender.E = org.apache.log4j.DailyRollingFileAppender
log4j.appender.E.File =E://hadoop/hdfs_logs/error.log 
log4j.appender.E.Append = true
log4j.appender.E.Threshold = ERROR 
log4j.appender.E.layout = org.apache.log4j.PatternLayout
log4j.appender.E.layout.ConversionPattern = %-d{yyyy-MM-dd HH:mm:ss}  [ %t:%r ] - [ %p ]  %m%n

2.2 pom.xml

<dependencies>
  	<dependency>
	    <groupId>org.apache.hadoop</groupId>
	    <artifactId>hadoop-common</artifactId>
	    <version>2.6.4</version>
	</dependency>
  	<dependency>
	    <groupId>org.apache.hadoop</groupId>
	    <artifactId>hadoop-client</artifactId>
	    <version>2.6.4</version>
	</dependency>
	<dependency>
	    <groupId>org.apache.hadoop</groupId>
	    <artifactId>hadoop-hdfs</artifactId>
	    <version>2.6.4</version>
	</dependency>
  </dependencies>

3.程序开发

3.1 Map阶段程序

package com.mapreduce.wordCount;

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

/*
 * 文件内容如下：
hello word
hello hadoop
hadoop hdfs
yarn mapreduce
 * */

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

	private Text outKey=new Text();
	//单词数都为1，初始化时赋值1
	private LongWritable outValue=new LongWritable(1);
	@Override
	protected void map(LongWritable key, Text value, Context context)
			throws IOException, InterruptedException {
		//key值为行号，value为该行的内容
		//取一行内容
		String line=value.toString();
		
		//按空格切割
		String[] words = line.split(" ");
		//遍历一行的单词
		for (String word : words) {
			//写入到map阶段输出
			/*输出的格式为：
			 * hello  1
			 * word   1
			 * 因此，输出的Key为字母，value为数量（该阶段不合并，单词数都为1）
			 * */
			//设置key的值
			outKey.set(word);
			//写入到输出
			context.write(outKey, outValue);	
		}
	}
}

3.2 Reduce阶段程序

package com.mapreduce.wordCount;

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
/*
 输入：
 hello 1
 hello 1
 word 1
 hadoop 1
 
 输出：
 hello 2
 word 1
 hadoop 1
 * */
public class WordCountReduce extends Reducer<Text, LongWritable, Text, LongWritable> {

	private LongWritable reduceOutValue=new LongWritable();
	@Override
	protected void reduce(Text key, Iterable<LongWritable> values,Context context) throws IOException, InterruptedException {
		/*
		 * 分析输入，输出数据。
		 * map阶段输入的数据，在reduce阶段直接输出
		 * 在reduce阶段只需要对map阶段的value进行累加
		 * */
		long sum=0;//初始单词数为0
		for (LongWritable value : values) {
			sum=sum+value.get();
		}
		reduceOutValue.set(sum);
		context.write(key, reduceOutValue);
	}
}

3.3 Driver 程序

package com.mapreduce.wordCount;

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCountDriver {
	
	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		//获取job信息
		Configuration config = new Configuration();
		Job job = Job.getInstance(config);
		
		//获取jar位置
		job.setJarByClass(WordCountDriver.class);
		
		//关联map，reduce
		job.setMapperClass(WordCountMapper.class);
		job.setReducerClass(WordCountReduce.class);
		
		//设置输出的数据类型
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		
		//设置输入输出路径
		//通过运行参数指定路径
		FileInputFormat.setInputPaths(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));
		
		//提交运行job
		boolean result = job.waitForCompletion(true);
		System.exit(result?0:1);
	}

}

4.运行程序

4.1本地运行

1.环境准备
（1）下载hadoop安装包解压到本地磁盘
在这里插入图片描述
（2）配置windows环境变量

HADOOP_HOME：E:\hadoop\hadoop-2.6.4
path:%HADOOP_HOME%\bin

（3）window10系统hadoo2.6.4 hadoop.dll和winutils.exe
如果是window10系统，需要在hadoop bin目录下放入执行文件hadoop.dll和winutils.exe。
将hadoop.dll和winutils.exe放入hadoop2.6.4/bin目录下
在这里插入图片描述
hadoop.dll和winutils.exe文件，百度云盘下载地址：
链接：https://pan.baidu.com/s/1Ae6uMSKkXx2Lv4DpUNHbmQ
提取码：xjvc

2.运行程序
（1）配置运行参数
选择Driver类，右击run as -》Run configure,进行下面界面配置运行参数。
在这里插入图片描述
（2）运行Driver程序，在配置的输出路径下面生成一个output文件夹，该文件夹下存放mapreduce运行的输出文件。

注意：在执行mapreduce程序之前，output文件不能存在。运行mapreduce程序后会自动生成该文件夹。

4.2 集群运行

（1）使用maven将项目打包为jar文件。
在window下使用管理员身份运行cmd，进入项目所在文件夹路径下。
执行maven打包命令：mvn package
在这里插入图片描述

打包完成以后，会在项目的target目录下生成最新打包的jar包。

pom.xml配置插件，并指定main方法类

<build>
        <plugins>
            <plugin>  
                <groupId>org.apache.maven.plugins</groupId>  
                <artifactId>maven-shade-plugin</artifactId>  
                <version>2.3</version>  
                <executions>  
                    <execution>  
                        <phase>package</phase>  
                        <goals>  
                            <goal>shade</goal>  
                        </goals>  
                        <configuration>  
                            <transformers>  
                                <transformer  
                                    implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">  
                                    <!--指定main方法-->
                                    <mainClass>com.mapreduce.wordCount.WordCountDriver</mainClass>  
                                </transformer>  
                            </transformers>  
                        </configuration>  
                    </execution>  
                </executions>  
            </plugin>  
        </plugins>
    </build>

（2）在hadoop根目录下创建文件夹mapreduce_jar用于存放开发的mapreduce程序jar包。
（3）使用ftp工具上传mapreduce程序jar包到mapreduce_jar文件下。
在这里插入图片描述
（4）执行下面命令运行jar包。
进行/usr/local/hadoop/bin路径下，执行：

 ./hadoop jar /usr/local/hadoop/mapreduce_jar/mapreduce-0.0.1-SNAPSHOT.jar /input/wordcount /output

amingo_ss

关注

4
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
MapReduce-入门程序wordcount开发详细指导

WordCount入门程序目录WordCount入门程序1.过程分析2.创建maven项目2.1 log4j配置文件2.2 pom.xml3.程序开发3.1 Map阶段程序3.2 Reduce阶段程序3.3 Driver 程序4.运行程序4.1本地运行4.2 集群运行1.过程分析（1）mapreduce阶段（2）job运行阶段在job运行时，需要知道下面这些信息(1)Job任务执行的类(2)map运行需要的输入文件路径(3)reduce运行输出的文件保存路径(4)job运行的map类和
复制链接

扫一扫