IDEA 运行 Hadoop WordCount示例

1、在本地解压hadoop安装包,然后修改系统变量,增加HADOOP_HOME及HADOOP_USER_NAME,HADOOP_USER_NAME为实际集群运行用户

2、修改项目的Pom文件

<dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-jobclient</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-common</artifactId>
            <version>2.9.0</version>
        </dependency>
        <dependency>
            <groupId>commons-cli</groupId>
            <artifactId>commons-cli</artifactId>
            <version>1.2</version>
        </dependency>
    </dependencies>

3、将core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、log4j.properties拷贝至resources目录

在mapred-site.xml设置

    <property>
        <name>mapreduce.app-submission.cross-platform</name>
        <value>true</value>
    </property>
    <property>
        <name>mapred.jar</name>
        <value>E:\Projects\hadoop\HadoopExercise\target\HadoopExercise-1.0-SNAPSHOT.jar</value>
    </property>

4、示例程序

Mapper

package org.zheng.demo;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;
import java.util.StringTokenizer;

public class TokenizerMapper
        extends Mapper<Object, Text, Text, IntWritable> {

    private final static IntWritable one = new IntWritable(1);

    private Text word = new Text();

    @Override
    public void map(Object key, Text value, Context context
    ) throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }
}

Reducer

package org.zheng.demo;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class IntSumReducer
        extends Reducer<Text, IntWritable, Text, IntWritable> {

    private IntWritable result = new IntWritable();

    @Override
    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
    ) throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable val : values) {
            sum += val.get();
        }
        result.set(sum);
        context.write(key, result);
    }
}

Main

package org.zheng.demo;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 WordCount {

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        //设置RM 访问位置
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

5、编辑运行选项,设置参数

6、运行

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下载Hadoop WordCount可以通过以下步骤完成: 1. 打开Hadoop官方网站(https://hadoop.apache.org/)。 2. 导航至Hadoop的下载页面。 3. 在下载页面上,选择适合您操作系统的稳定版本。 4. 点击下载按钮,开始下载Hadoop二进制文件(提供tar.gz和zip格式)。 5. 下载完成后,将压缩文件解压到您选择的目录。您可以使用命令行或文件管理器进行解压。 6. 打开解压后的Hadoop文件夹,找到examples文件夹。 7. 在examples文件夹中,您将找到一个名为wordcount的子文件夹,这就是WordCount示例的位置。 8. 打开wordcount文件夹,您将找到一个名为WordCount.java的Java源代码文件。 9. 如果您还没有安装Java开发环境(JDK),请先安装JDK。 10. 使用您喜欢的集成开发环境(IDE)或文本编辑器打开WordCount.java文件。 11. 根据您的需求或兴趣,可以对WordCount.java进行任何修改。 12. 保存WordCount.java文件,并在终端中导航到Hadoop的解压目录。 13. 运行以下命令来编译WordCount.java文件: ``` $ bin/hadoop com.sun.tools.javac.Main WordCount.java ``` 14. 编译完成后,使用以下命令打包WordCount.class文件: ``` $ jar cf wc.jar WordCount*.class ``` 15. 完成打包后,您可以使用Hadoop进行WordCount示例的测试。使用以下命令来运行WordCount示例: ``` $ bin/hadoop jar wc.jar WordCount /input /output ``` 其中,/input是输入文件的路径,/output是输出文件的路径。 16. 执行命令后,Hadoop将在指定的输出路径中生成计数结果。 这样,您就成功地下载并安装了Hadoop WordCount示例,并可以通过上述步骤来测试和运行WordCount任务。请确保在执行命令之前,已正确设置Hadoop的配置文件,以便与您的系统和集群相匹配。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值