分享一个hadoop例程

功能:实现select sum(A.price),sum(B.count) form A B where A.id=B.id group by id;

数据源格式:

       A 1 2.4
       A 2 3.6
       A 1 4.8
       B 2 8
       B 2 4
       B 1 3

第一列为类型,相当于数据库中的表的性质,第二列为ID,第三列,如果是A,则为price, 如果是B,则为count

 

程序:

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

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.conf.Configuration;

public class Test {
    public static class MyMapper extends Mapper<Object, Text, IntWritable, Text>{
 
        private Text word = new Text();
  
        public void map(Object key, Text value, Context context
                 ) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            IntWritable v = new IntWritable();
            while (itr.hasMoreTokens()) {
                String tmp = itr.nextToken();
                String t = itr.nextToken();
                String tt = itr.nextToken();
                //records in table A
                if(tmp.equals("A")){
                    word.set("Price "+tt);
                }else{                     //records in table B
                    word.set("Count "+tt);
                }
                int item = Integer.parseInt(t);
                v.set(item);
                context.write(v, word);
            }
        }       
    }
   
   
    public static class MyReducer extends Reducer<IntWritable, Text,Text,Text>{
       
        public void reduce(IntWritable key,Iterable<Text> values, Context context)
                                                throws IOException, InterruptedException{
            int count = 0;
            float price = 0;
            String result = "";
            for(Text value:values){
                String v = value.toString();
               
                if(v.startsWith("Count")){
                    String [] cl = v.split(" ");
                    count = count + Integer.parseInt(cl[1]);
                }else{
                    String [] pl = v.split(" ");
                    price = price + Float.parseFloat(pl[1]);
                }
               
                result = "Sum(Count)="+count+"    Sum(Price)="+price;
               
            }
            String k = "ID = "+key.toString();
            context.write(new Text(k), new Text(result));
        }
    }
   
    public static void main(String [] argc) throws IOException, InterruptedException, ClassNotFoundException{
        if(argc.length!=2){
            System.out.println("Usage: test <input> <output>");
            System.exit(-1);
        }
        Configuration conf = new Configuration();
        Job job = new Job(conf,"test");
        job.setJarByClass(Test.class);
        job.setMapperClass(MyMapper.class);
        job.setReducerClass(MyReducer.class);
       
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(Text.class);
       
        FileInputFormat.addInputPath(job, new Path(argc[0]));
        FileOutputFormat.setOutputPath(job, new Path(argc[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
   
}

 

 

进了步改时方案: 多数情况下A 和 B应该来自不同的文件,所以在maper中应该先判断输入的value来自于文件A,还是文件B,我的下一步工作是改时这个程序,大家有兴趣可以一起来啊

搭建一个Hadoop数据集群需要以下步骤: 1. 配置环境 在每台机器上安装Java环境,并配置好Java环境变量。同时,需要安装SSH服务,以便在集群中进行远程操作。 2. 下载Hadoop安装包 从Hadoop官网下载最新版本的Hadoop,或者从镜像站点下载。下载后解压缩到一个合适的目录。 3. 配置Hadoop 在每台机器上配置Hadoop,修改Hadoop配置文件中的参数,包括: - core-site.xml:配置Hadoop核心参数,如文件系统、数据存储路径等。 - hdfs-site.xml:配置Hadoop分布式文件系统的参数,如副本数、块大小等。 - yarn-site.xml:配置YARN资源管理器的参数,如内存和CPU资源的分配等。 - mapred-site.xml:配置MapReduce任务的参数,如任务跟踪器和任务分配器的地址等。 4. 启动Hadoop 在NameNode节点上执行以下命令启动Hadoop: ``` $HADOOP_HOME/sbin/start-dfs.sh $HADOOP_HOME/sbin/start-yarn.sh ``` 这会启动HDFS和YARN服务。可以使用以下命令检查服务是否已启动: ``` jps ``` 5. 配置集群 在NameNode节点上执行以下命令,将其他节点加入到集群中: ``` hadoop namenode -format sbin/hadoop-daemons.sh start namenode sbin/hadoop-daemons.sh start datanode ``` 这会将其他节点加入到HDFS中,并启动DataNode服务。 6. 测试集群 使用Hadoop自带的测试程序,测试Hadoop集群是否正常工作: ``` hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar pi 10 100 ``` 这个程序将会计算π的值,可以用来测试集群的性能和可用性。 以上就是搭建Hadoop数据集群的基本步骤,需要注意的是,Hadoop的配置和启动过程相对复杂,需要仔细阅读官方文档并按照要求进行操作。
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