使用Java跨平台实现Mapreduce词频统计

本文将演示通过JavaAPI在Hadoop集群上使用Mapreduce进行词频统计的简易过程：

1. 创建Maven项目并本地编写Java代码
2. 将要处理的数据上传至Hadoop系统
3. 将Maven项目打包成jar包并上传至服务器运行

系统：Win10，CentOS 7.6

软件：Maven 3.8.4，Hadoop 2.7.3，Xshell，Xftp

1.创建Maven项目并本地编写Java代码

初始化Maven项目

首先创建一个新的Maven项目，此时文件结构应该类似于：

此时将pom.xml文件的内容全部替换成如下：

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>hdfs_upload</artifactId>
    <version>1.0-SNAPSHOT</version>

    <name>hdfs_upload</name>
    <!-- FIXME change it to the project's website -->
    <url>http:///maven.apache.org</url>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <maven.compiler.source>1.7</maven.compiler.source>
        <maven.compiler.target>1.7</maven.compiler.target>
    </properties>

    <dependencies>
        <!-- hadoop基础库 -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.1.3</version>
        </dependency>
        <!-- hadoop客户端 -->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>