5.1学习笔记 MapReduce

qq_62847100

已于 2023-01-02 09:03:10 修改

阅读量260

点赞数

文章标签：学习

于 2022-12-08 18:56:58 首次发布

本文链接：https://blog.csdn.net/qq_62847100/article/details/128143792

版权

（一）MapReduce编程实例----词频统计实现步骤

·启动hadoop服务

1、准备数据文件

（1）在虚拟机上创建文本文件

·创建wordcount目录，在里面创建 words.txt文件

(2)上传文件到HDFS指定目录

·创建 /wordcount/input目录，执行命令：hdfs dfs -mkdir -p /wordcount/input

·将文本文件words.txt,上传到HDFS的/wordcount/input目录中

·在HDFS上查看

2、创建Maven项目

`创建Maven项目 - MRWordCount

3、添加相关依赖

·在pom.xml文件里添加hadoop和junit依赖

<dependencies>                                   
    <dependency>                                 
        <groupId>org.apache.hadoop</groupId>     
        <artifactId>hadoop-client</artifactId>   
        <version>3.3.4</version>                
    </dependency>                                
    <dependency>                                 
        <groupId>junit</groupId>                 
        <artifactId>junit</artifactId>           
        <version>4.13.2</version>                  
    </dependency>                                
</dependencies>

4、创建日志属性文件

在resources目录里创建log4j.properties文件

log4j.rootLogger=INFO, stdout, logfile
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/wordcount.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

5、创建词频统计映射器类

创建net.zhj.mr包，在包里创建WordCountMapper类

为了更好理解Mapper类的作用，在map()函数里暂时不进行每行文本分词处理，直接利用context输出key和value。

package net.zhj.mr;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * 功能：词频统计映射器类
 */
public class WordCountMapper extends Mapper<LongWritable, Text, LongWritable, Text> {
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        context.write(key, value);
    }
}

·Mapper<泛型参数1, 泛型参数2, 泛型参数3, 泛型参数4>参数说明

参数	说明
泛型参数1	输入键类型（InputKeyClass）
泛型参数2	输入值类型（InputValueClass）
泛型参数3	输出键类型（OutputKeyClass）
泛型参数4	输出值类型（OutputValueClass）

6、创建词频统计驱动器类

·在net.zhj.mr包里创建WordCountDriver类

package net.zhj.mr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.LongWritable;
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;

import java.net.URI;

/**
 * 功能：词频统计驱动器类
 */
public class WordCountDriver {
    public static void main(String[] args) throws Exception {
        // 创建配置对象
        Configuration conf = new Configuration();
        // 设置数据节点主机名属性
        conf.set("dfs.client.use.datanode.hostname", "true");

        // 获取作业实例
        Job job = Job.getInstance(conf);
        // 设置作业启动类
        job.setJarByClass(WordCountDriver.class);

        // 设置Mapper类
        job.setMapperClass(WordCountMapper.class);
        // 设置map任务输出键类型
        job.setMapOutputKeyClass(LongWritable.class);
        // 设置map任务输出值类型
        job.setMapOutputValueClass(Text.class);

        // 定义uri字符串
        String uri = "hdfs://master1:9000";
        // 创建输入目录
        Path inputPath = new Path(uri + "/wordcount/input");
        // 创建输出目录
        Path outputPath = new Path(uri + "/wordcount/output");

        // 获取文件系统
        FileSystem fs =  FileSystem.get(new URI(uri), conf);
        // 删除输出目录（第二个参数设置是否递归）
        fs.delete(outputPath, true);

        // 给作业添加输入目录（允许多个）
        FileInputFormat.addInputPath(job, inputPath);
        // 给作业设置输出目录（只能一个）
        FileOutputFormat.setOutputPath(job, outputPath);

        // 等待作业完成
        job.waitForCompletion(true);

        // 输出统计结果
        System.out.println("======统计结果======");
        FileStatus[] fileStatuses = fs.listStatus(outputPath);
        for (int i = 1; i < fileStatuses.length; i++) {
            // 输出结果文件路径
            System.out.println(fileStatuses[i].getPath());
            // 获取文件系统数据字节输入流
            FSDataInputStream in = fs.open(fileStatuses[i].getPath());
            // 将结果文件显示在控制台
            IOUtils.copyBytes(in, System.out, 4096, false);
        }
    }
}

7、运行词频统计驱动器类，查看结果

·统计结果之前会显示大量信息

·如果不想看到统计结果之前的大堆信息，可以修改log4j.properties文件，将INFO改为ERROR

·再运行程序，查看结果

8、修改词频统计映射器类

·行首数字对于我们做单词统计没有任何用处，只需要拿到每一行内容，按空格拆分成单词，每个单词计数1，因此，WordCoutMapper的输出应该是单词和个数，于是，输出键类型为Text，输出值类型为IntWritable。

·将每行按空格拆分成单词数组，输出<单词, 1>的键值对

package net.zhj.mr;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * 功能：词频统计映射器类
 */
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        String line = value.toString();
        String[] words = line.split(" ");
        for (String word : words){
            context.write(new Text(word),new IntWritable(1));
        }
    }
}

9、修改词频统计驱动器类

·修改map任务输出键值类型

10、启动词频统计驱动器类，查看结果

观察输出结果，map阶段会按键排序输出

补充：

（1）Java数据类型与Hadooop数据类型对应关系

Java数据类型Hadoop数据类型

（2）了解map阶段输出值（reduce阶段输出值）是一个迭代器

package net.zhj.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

/**
 * 功能：词频统计归并器类
 */
public class WordCountReducer extends Reducer<Text, IntWritable,Text,Text> {
    @Override
    protected void reduce(Text key,Iterable<IntWritable> values,Context context)
            throws IOException,InterruptedException{
        List<Integer> integers = new ArrayList<>();
        for (IntWritable value : values){
            integers.add(value.get());
        }
        context.write(key,new Text(integers.toString()));
    }

}

// 设置Reducer类                                  
job.setReducerClass(WordCountReducer.class);   
// 设置reduce任务输出键类型                             
job.setOutputKeyClass(Text.class);             
// 设置reduce任务输出值类型                             
job.setOutputValueClass(IntWritable.class);

11、创建词频统计归并器类

·在net.hw.mr包里创建WordCountReducer类

package net.zhj.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * 功能：词频统计归并器类
 */
public class WordCountReducer extends Reducer<Text, IntWritable,Text,IntWritable> {
    @Override
    protected void reduce(Text key,Iterable<IntWritable> values,Context context)
            throws IOException,InterruptedException{
      int count = 0;
      for (IntWritable value : values){
          count = count + value.get();
      }
      context.write(key,new IntWritable(count));
    }

}

12、修改词频统计驱动器类

设置WordCountReducer，并且设置归并任务的输出键值类型

// 设置Reducer类                                  
job.setReducerClass(WordCountReducer.class);   
// 设置reduce任务输出键类型                             
job.setOutputKeyClass(Text.class);             
// 设置reduce任务输出值类型                             
job.setOutputValueClass(IntWritable.class);