调用MapReduce对文件中各个单词出现次数进行统计

最新推荐文章于 2024-07-24 16:51:07 发布

Fuzz1

最新推荐文章于 2024-07-24 16:51:07 发布

阅读量1.4k

点赞数 2

文章标签： mapreduce hadoop eclipse

本文链接：https://blog.csdn.net/fengriwei/article/details/122142437

版权

实验配置：系统:Ubuntu | 环境：Hadoop | 软件：Eclipse

要求
1.将待分析的文件（不少于10000英文单词）上传到HDFS
2.调用MapReduce对文件中各个单词出现的次数进行统计
3.将统计结果下载本地。

操作步骤：调用MapReduce执行WordCount对单词进行计数**
一：
• 1. 在Eclipse中创建项目
• 2. 为项目添加需要用到的JAR包
• 3. 编写Java应用程序
• 4. 编译运行程序
• 5. 应用程序部署

二：
• 1. 在Eclipse中创建项目
• 2. 为项目添加需要用到的JAR包
• 3. 编写Java应用程序
• 4. 编译打包程序
• 5. 运行程序
（一）：
1.打开Eclipse，需要填写workspace(工作空间)，用来保存程序所在的位置，这里按照默认，不需要改动，如下图，点击“OK”按钮，进入Eclipse软件。

2.选择“File->New->Java Project”菜单，开始创建一个Java工程

3.点击界面中的“Libraries”选项卡，然后，点击界面右侧的“Add External JARs

4.进入到common目录，然后，界面会显示出common目录下的所有内容，用鼠标点击选中hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar，然后点击界面右下角的“确定”按钮，就可以把这两个JAR包增加到当前Java工程中

（二）：

在创建好的工程名称“HDFSExample”右键菜单中
选择New->Class，如下图

这时，Eclipse自动创建了一个名为“HDFSFileIfExist.java”的源代码文件，在文件输入以下代码并运行，如下图

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
public class HDFSFileIfExist {
    public static void main(String[] args){
        try{
            String fileName = "test";
            Configuration conf = new Configuration();
            conf.set("fs.defaultFS", "hdfs://localhost:9000");
            conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.DistributedFileSystem");
            FileSystem fs = FileSystem.get(conf);
            if(fs.exists(new Path(fileName))){
                System.out.println("文件存在");
            }else{
                System.out.println("文件不存在");
            }
 
        }catch (Exception e){
            e.printStackTrace();
        }
    }
}

（三）：在Hadoop安装目录下新建一个名称为myapp的目录，用来存放我们自己编写的Hadoop应用程序

在Linux系统中查看一下生成的HDFSExample.jar文件，再使用hadoop jar命令运行程序

（四）：

1.启动Eclipse，选择“File–>New–>Java Project”菜单，开始创建一个Java工程，弹出如下图所示界面。

2.接下来在这个界面，把剩余的其他JAR包都添加进来。

（1）“/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-3.1.3.jar和haoop-nfs-3.1.3.jar；

（2）“/usr/local/hadoop/share/hadoop/common/lib”目录下的所有JAR包；
（3）“/usr/local/hadoop/share/hadoop/mapreduce”目录下的所有JAR包，但是，不包括jdiff、lib、lib-examples和sources目录。如下图

（五）：

1.把创建的“WordCount”工程名上右击，选择New->Class菜单，弹出以下界面

2.Eclipse自动创建了一个名为“WordCount.java”的源代码文件，然后在该文件中输入完整的词频统计程序代码，如下图

package org.apache.hadoop.examples;
 
import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
 
public class WordCount {
    public WordCount() {
    }
 
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
        if(otherArgs.length < 2) {
            System.err.println("Usage: wordcount <in> [<in>...] <out>");
            System.exit(2);
        }
 
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(WordCount.TokenizerMapper.class);
        job.setCombinerClass(WordCount.IntSumReducer.class);
        job.setReducerClass(WordCount.IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
 
        for(int i = 0; i < otherArgs.length - 1; ++i) {
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
 
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
        System.exit(job.waitForCompletion(true)?0:1);
    }
 
    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();
 
        public IntSumReducer() {
        }
 
        public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            int sum = 0;
 
            IntWritable val;
            for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
                val = (IntWritable)i$.next();
            }
 
            this.result.set(sum);
            context.write(key, this.result);
        }
    }
 
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        private static final IntWritable one = new IntWritable(1);
        private Text word = new Text();
 
        public TokenizerMapper() {
        }
 
        public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
 
            while(itr.hasMoreTokens()) {
                this.word.set(itr.nextToken());
                context.write(this.word, one);
            }
 
        }
    }
}

3.在工程名称“WordCount”上点击鼠标右键，在弹出的菜单中选择“Export”，弹出下图界面之后点击Next，再接着点Next

4.在运行程序之前，需要启动Hadoop，启动Hadoop之后，需要首先删除HDFS中与当前Linux用户hadoop对应的input和output目录（即HDFS中的“/user/hadoop/input”和“/user/hadoop/output”目录），这样确保后面程序运行不会出现问题，然后在HDFS中新建与当前Linux用户hadoop对应的input目录，如下图

cd /usr/local/hadoop
./bin/hdfs dfs -mkdir input
在Linux本地文件系统中新建的文件上传到HDFS的“/user/hadoop/input”目录下（我是在网上找10000字的英语文章），命令如下：
cd /usr/local/hadoop
./bin/hdfs dfs -put ./wordfile.txt input
如果HDFS中已经存在目录“/user/hadoop/output”，则使用如下命令删除该目录：
cd /usr/local/hadoop
./bin/hdfs dfs -rm -r /user/hadoop/output
使用hadoop jar命令运行程序，命令如下
cd /usr/local/hadoop
./bin/hadoop jar ./myapp/WordCount.jar input output
运行结束后，会出现以下界面