高可用集群运行word count案例

前提条件

首先确保自己的虚拟机已经部署好了高可用集群.我的高可用集群启动成功后如下所示（启动集群之前还要启动zookeeper）

准备工作

将单词数据上传到hdfs

命令：

[tys@hadoop102 hadoop-3.1.3]$ hadoop fs -put word1.txt /user/tys/wcinput

上传的路径自己确定，自己建立

在web端查看是否上传成功，如下就说明成功

编写代码

在idea中的相关代码：

我的文件目录：

pom.xml文件里面添加的内容：

<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>

（也可以不用添加<build>里面的内容，我没有添加，因为一直报错说找不到插件，而且我们后面需要用到的jar包也是那个没有添加依赖的jar包）

在resources下新建“资源包”  log4j，

添加以下内容

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

WordCountReducer代码：

package com.tys.wordcount;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
    int sum;
    IntWritable v = new IntWritable();
​
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {
        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {
            sum += count.get();
        }
        // 2 输出
        v.set(sum);
        context.write(key,v);
    }
}

​WordCountMapper代码

package com.tys.wordcount;
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
​
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
​
    Text k = new Text();
    IntWritable v = new IntWritable(1);
​
    @Override
    protected void map(LongWritable key, Text value, Context context)  throws IOException, InterruptedException {
​
        // 1 获取一行
        String line = value.toString();
        // 2 切割
        String[] words = line.split("\\s+" );
        // 3 输出
        for (String word : words) {
            k.set(word);
            context.write(k, v);
        }
    }
}

WordCountDriver代码：

package com.tys.wordcount;
​
import java.io.IOException;
​
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
​
public class WordCountDriver {
​
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
​
        // 1 获取配置信息以及获取job对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
​
        // 2 关联本Driver程序的jar
        job.setJarByClass(WordCountDriver.class);
​
        // 3 关联Mapper和Reducer的jar
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReducer.class);
​
        // 4 设置Mapper输出的kv类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
​
        // 5 设置最终输出kv类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
​
        // 6 设置输入和输出路径
​
        FileInputFormat.addInputPath(job, new Path("hdfs://mycluster/user/tys/wcinput/word.txt"));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        // 7 提交job
        boolean result = job.waitForCompletion(true);
        System.exit(result ? 0 : 1);
    }
}

注意事项

在WordCountDriver代码中要注意以下路径

 这里的路径跟上面”准备工作“那一步的路径保持一致，注意这里的输出路径要写成

args[1]

打包成jar包

点击package

 结果：

 （因为我没有加上一步的<build>里面的内容，所以只出现一个jar包，加上<build>里面的内容就会出现两个jar包，选我上图中的jar包就可以了）

 来到如下界面

 将该文件托到桌面并重命名为wc

 然后将该文件上传到虚拟机高可用集群的目录下

 运行jar包：

[tys@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar com.tys.wordcount.WordCountDriver /user/tys/wcinput/word.txt /user/tys/output“

注意输出路径

/user/tys/output

一定不能自己建立，如果“/user/tys/”下已经有output这个路径了就要先删掉output，或者将output改为output1（或者其他不存在的路径）

"com.tys.wordcount.WordCountDriver"

这个代码的由来如下：

 运行成功截图

 

 运行过程中出现虚拟内存溢出

如下错误:

Container [pid=11635,containerID=container_e17_1686414460205_0001_01_000004] is running 271247872B beyond the 'VIRTUAL' memory limit. Current usage: 54.8 MB of 1 GB physical memory used; 2.4 GB of 2.1 GB virtual memory used. Killing container. ​

报错如下图所示：

 解决方法;

修改yarn-site.xml配置文件将分配的内存设置大一点

[tys@hadoop102 ~]$ cd /opt/module/hadoop-ha/hadoop-3.1.3/etc/hadoop/
[tys@hadoop102 hadoop]$ vim yarn-site.xml 

添加（修改）以下内容

<!-- yarn容器允许分配的最大最小内存 -->
    <property>
        <name>yarn.scheduler.minimum-allocation-mb</name>
        <value>1024</value>
    </property>
    <property>
        <name>yarn.scheduler.maximum-allocation-mb</name>
        <value>4096</value>
</property>
<!-- yarn容器允许管理的物理内存大小 -->
    <property>
        <name>yarn.nodemanager.resource.memory-mb</name>
        <value>4096</value>
</property>
<!-- 关闭yarn对物理内存和虚拟内存的限制检查 -->
    <property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
    </property>
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>

修改好之后保存退出，别忘记分发

[tys@hadoop102 hadoop]$ xsync yarn-site.xml

然后重启yarn再运行jar包就可以了