MapReduce中的WordCount实例调试

在调试的过程中可能会遇到各种问题，自己也是第一次接触MapReduce，调试起来遇到了很多困难，现在总结一些这些问题

首先要先了解一下HDFS中的常用的命令
    -mkdir            在HDFS创建目录    hdfs dfs -mkdir /data
    -ls               查看当前目录      hdfs dfs -ls /
    -ls -R            查看目录与子目录
    -put              上传一个文件      hdfs dfs -put data.txt /data/input
    -moveFromLocal    上传一个文件，会删除本地文件：ctrl + X
    -copyFromLocal    上传一个文件，与put一样
    -copyToLocal      下载文件  hdfs dfs -copyToLocal /data/input/data.txt
    -get              下载文件  hdfs dfs -get /data/input/data.txt
    -rm               删除文件  hdfs dfs -rm /data/input/data.txt
    -getmerge         将目录所有的文件先合并，再下载
    -cp               拷贝： hdfs dfs -cp /data/input/data.txt  /data/input/data01.txt
    -mv               移动： hdfs dfs -mv /data/input/data.txt  /data/input/data02.txt
    -count            统计目录下的文件个数
    -text、-cat       查看文件的内容  hdfs dfs -cat /data/input/data.txt
    -balancer         平衡操作

然后在hadoop目录下创建一个文件夹，我的是/usr/local/hadoop/myapp,用于存放打包好的java jar文件

先在在hadoop的用户登录用户下建立一个HDFS用户目录

cd /usr/local/hadoop

./bin/hdfs dfs –mkdir –p /user/hadoop

在新建的目录下创建一个input目录，用于存放hadoop运行时需要输入的文件

./bin/hdfs dfs –mkdir /input

在创建一个output目录用于存放hadoop运行输出的文件

/bin/hdfs dfs –mkdir /output

在登录时的文件夹下创建一个data.txt，是本实验输入的文件

用命令./bin/hdfs dfs -put /home/hadoop/myLocalFile.txt  input存放到刚才创建的input目录下，当然也可以不这样做

用./bin/hdfs dfs –ls input查看是否上传成功

接下来就编译代码文件

WordCountMapper.java

import java.io.IOException;

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, LongWritable> {

	@Override
	protected void map(LongWritable key, Text value, Context context)
			throws IOException, InterruptedException {
		/*
		 * key: 输入的key
		 * value: 数据   I love Beijing
		 * context: Map上下文
		 */
		String data= value.toString();
		//分词
		String[] words = data.split(" ");
		
		//输出每个单词
		for(String w:words){
			context.write(new Text(w), new LongWritable(1));
		}
	}

}

WordCountReducer.java

import java.io.IOException;

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

public class WordCountReducer extends Reducer<Text, LongWritable, Text, LongWritable>{

	@Override
	protected void reduce(Text k3, Iterable<LongWritable> v3,Context context) throws IOException, InterruptedException {
		//v3: 是一个集合，每个元素就是v2
		long total = 0;
		for(LongWritable l:v3){
			total = total + l.get();
		}
		
		//输出
		context.write(k3, new LongWritable(total));
	}

}

WordCountMain.java

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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;

public class WordCountMain {

	public static void main(String[] args) throws Exception {
		//创建一个job = map + reduce
		Configuration conf = new Configuration();
		
		//创建一个Job
		Job job = Job.getInstance(conf);
		//指定任务的入口
		job.setJarByClass(WordCountMain.class);
		
		//指定job的mapper
		job.setMapperClass(WordCountMapper.class);
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		
		//指定job的reducer
		job.setReducerClass(WordCountReducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(LongWritable.class);
		
		//指定任务的输入和输出
		FileInputFormat.setInputPaths(job, new Path(args[0]));
		FileOutputFormat.setOutputPath(job, new Path(args[1]));		
		
		//提交任务
		job.waitForCompletion(true);
	}

}

可以先运行一下wordCountMain.java，看看有没有错误

这里有错误是因为没有输入文件

点击WordCount工程，选择Export...

选在java->JAR file->next

JAR file:为我的创建的myapp文件，命名为WordCount.jar,点击next。

接着点击next。

Main class：点击Browse...

选择本工程的主类所在文件，几点ok。

到myapp文件夹下看有没有打包成功，WordCount.jar就是对应的打包文件。

输入hadoop jar ./myapp/WordCount.jar ../hadoop/input/data.txt ../hadoop/output/wc

命令含义为执行文件夹myapp下的WordCount.jar 输入文件为../hadoop/input/data.txt 文件输出到../hadoop/output/wc,wc文件夹会在执行命令的时候自动创建。

看到上图就说明运行成功了，可输入./bin/hdfs dfs -ls output/wc看一下输出文件

可以看到生成了_ SUCCESS文件和part-r-00000文件，查看part-r-00000文件

看到结果了，说明确实是运行成功了。