调用MapReduce对文件中各个单词出现的次数进行统计

调用MapReduce对文件中各个单词出现的次数进行统计

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

内容要求：

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

三：
• 1. Ubuntu 14.04
• 2. Hadoop 2.6.0（伪分布式）
• 3. Eclipse 3.8

—————————————————————————————————————————————————————————————

ps： 如何在Ubuntu/CentOS中使用Ecplise来开发MapReduce程序，在Hadoop 2.6.0 下验证通过。虽然我们可以使用命令行编译打包运行自己的MapReduce程序，但毕竟编写代码不方便。使用Eclipse，我们可以直接对HDFS中的文件进行操作，可以直接运行代码，省去许多繁琐的命令。

—————————————————————————————————————————————————————————————

实验步骤

1.下面我们开始着手操作安装eclipse并打开eclipse

2. 在Eclipse中创建项目并添加需要用到的JAR包

第一次打开需要填写workspace(工作空间)，保持默认即可

点击File然后在点New Project选择Java Project / 如下图所示

3.为了编写一个能够与HDFS交互的Java应用程序，一般需要向Java工程中添加以下JAR包：
（1）”/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar；
（2）/usr/local/hadoop/share/hadoop/common/lib”目录下的所有JAR包；
（3）“/usr/local/hadoop/share/hadoop/hdfs”目录下的haoop-hdfs-2.7.1.jar和haoop-hdfs-nfs-2.7.1.jar；
（4）“/usr/local/hadoop/share/hadoop/hdfs/lib”目录下的所有JAR包。

下面带大家操作

右键找到Configure Build Path…

点击Add External JARS

将以上目录jar包导入。

导入完毕后就开始着手运行Java程序

文件名可以为任意，这里为了让大家简单看清楚改成了HDFSFileIfExist

以下是实验判断HDFS中是否存在某文件，程序名为HDFSFileIfExist.java，程序代码如下

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
public class HDFSExample {
    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();
        }
    }
}

—————————————————————————————————————————————————————————————
将代码放入是这样的形式 有warning出现不必理会

—————————————————————————————————————————————————————————————
4.编译运行程序

在开始编译运行程序之前，请一定确保Hadoop已经启动运行，如果还没有启动，需要打开一个Linux终端，输入以下命令启动Hadoop：

1.cd /usr/local/hadoop
2../sbin/start-dfs.sh
3.jps#执行出现namenode secondnode datanode证明启动成功

接着run 显示“文件不存在” 到这里说明eclipse运行所需要的环境都没问题

————————————————————————————————————————————————————————————

5.接下来操作词频统计
先点击Flie 然后点 New 再点 project

输入名称 WordCound 点击Finish

以下是代码

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);
            }
 
        }
    }
}

这里显示这样就没问题接下做

显示已存在output文件就删除，不存在input文件就创建

cd /usr/local/hadoop
./bin/hdfs dfs -rm -r output    #删除output文件夹
./bin/hdfs dfs -mkdir input    #创建input文件 如果出错就加上  -p

5.为了方便命令行执行java打包的程序，先创建一个test文件夹保存打包的程序

mkdir /usr/local/hadoop/test

6.接下来安装步骤往下进行:右键WordCound



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 ./wordtets.txt input    #wordtest.txt是待词频统计的文本文件
./bin/hdfs dfs -ls input    #查看是否上传成功

创建一个文档将10000以上的文章放入并保存

使用hadoop jar命令运行程序，命令如下

cd /usr/local/hadoop
./bin/hadoop jar ./test/WordCount.jar input output

最后查看统计结果：

./bin/hdfs dfs -cat output/part-r-00000

下载统计结果到本地：

./bin/hdfs dfs -get output
ls    #出现的output目录就是下载到本地的统计结果
cat ./output/part-r-00000    #结果和HDFS上的output中的一样

打开文档可以看到以下内容和上面一致。

以上实验操作完成，谢谢观看！