WordCount案例
需求:给定的文本文件中统计输出每一个单词出现的总次数
1.配置环境变量 HADOOP_HOME、JAVA_HOME,并将其放入在PATH路径中
2.在IDEA上新建maven工程并设置maven的目录
3.配置所需要的依赖
pom.xml文件中添加:
<dependencies>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>3.1.3</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
</dependency>
<dependency>
<groupId>org.slf4j</groupId>
<artifactId>slf4j-log4j12</artifactId>
<version>1.7.30</version>
</dependency>
</dependencies>
<build>
<plugins>
<plugin>
<artifactId>maven-compiler-plugin</artifactId>
<version>3.6.1</version>
<configuration>
<source>1.8</source>
<target>1.8</target>
</configuration>
</plugin>
<plugin>
<artifactId>maven-assembly-plugin</artifactId>
<configuration>
<descriptorRefs>
<descriptorRef>jar-with-dependencies</descriptorRef>
</descriptorRefs>
</configuration>
<executions>
<execution>
<id>make-assembly</id>
<phase>package</phase>
<goals>
<goal>single</goal>
</goals>
</execution>
</executions>
</plugin>
</plugins>
</build>
配置日志文件,src/main/resources下新建 log4j.properties 后写入:
log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
4.编写Mapper、Reducer、Driver类:(导包细心,防止出错 mapreduce)
Mapper类:继承Mapper类之后对应好相应的泛型;重写map方法;先获取一行,进行切割后循环写出。
(注意写出的时候类型的不一致需要封装,其次考虑节省内存)
Reducer类:继承Reducer类之后对应好相应的泛型;重写reducer方法;将传入进来的数据进行累加之后写出。
Driver类:main方法中通过7步来完成:1.获取job 2.设置jar包的路径(Driver类). 3.关联mapper和reducer(自己所写的类)
4.设置map输出的KV类型 5.设置最终输出的KV类型 6.设置输入和输出路径 7.提交job
5.将maven的jar包下载后传送至hadoop集群中,确认hadoop集群启动
6.在集群中运行(在集群可视化界面确认输入文件以及输出文件,监控任务运行情况可进行观测)
补充:在企业中运行jar包过多则需要编写脚本来执行