Hadoop WordCount程序原理

在这里插入图片描述

Hadoop运行wordcount 案例

cd /opt/moudle/hadoop-2.7.3/share/hadoop/mapreduce

hadoop jar hadoop-mapreduce-examples-2.7.3.jar wordcount ~/temp/a.txt ~/temp/out

hadoop-mapreduce-examples-2.7.3.jar WordCount原码

package org.apache.hadoop.examples;

import java.io.IOException;
import java.io.PrintStream;
import java.util.StringTokenizer;
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.Mapper;
import org.apache.hadoop.mapreduce.Mapper.Context;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.Reducer.Context;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {
    
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        private static final IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                this.word.set(itr.nextToken());
                context.write(this.word, one);
            }
        }
    }

    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            this.result.set(sum);
            context.write(key, this.result);
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length < 2) {
            System.err.println("Usage: wordcount <in> [<in>...] <out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        for (int i = 0; i < otherArgs.length - 1; i++) {
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[(otherArgs.length - 1)]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

原码分析

1、Mapper阶段:
将数据转换为String
对数据进行切分处理
把每个单词后加1
输出到reducer阶段

2、Reducer阶段
根据key进行聚合
输出key出现总的次数

3、Driver阶段
创建任务
关联使用的Mapper和Reducer类
指定Mapper输出数据的kv类型
指定Reducer输出的数据的kv类型
指定数据的输入路径和输出路径
提交

Hadoop数据类型

Java数据类型Hadoop数据类型
byteByteWritable
shortShortWritable
intIntWritable
longLongWritable
floatFloatWritable
doubleDoubleWritable
booleanBooleanWritable
StringText
Hadoop数据类型实现了序列化

Hadoop WordCount代码编写

依赖

<dependency>
    <groupId>org.apache.hadoop</groupId>
    <artifactId>hadoop-client</artifactId>
    <version>2.7.3</version>
</dependency>

Mapper

package wordcount;

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;

/**
 *
 * 泛型<LongWritable, Text, Text, IntWritable>
 * 输入key keyIn  数据的起始偏移量
 * 输入value valueIn
 * 输出key keyOut
 * 输出value valueOut
 *
 */
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String v = String.valueOf(value);
        // 1、切分数据
        String[] words = v.split(" ");
        for(String w : words) {
            // 2、写出数据 <key, 1>
            context.write(new Text(w), new IntWritable(1));
        }
    }
}

Reducer

package wordcount;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;

/**
 *
 * 泛型<Text, IntWritable, Text, IntWritable>
 * 输入key keyIn
 * 输入value valueIn
 * 输出key keyOut
 * 输出value valueOut
 *
 */
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        // 1、累计次数
        int sum = 0;
        for (IntWritable count : values) {
           sum += count.get();
        }
        // 2、输出总次数
        context.write(key, new IntWritable(sum));
    }
}

Driver

package wordcount;

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;
import java.io.IOException;

public class WordCountDriver {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //1、创建job任务
        Configuration conf = new Configuration();
        Job job = Job.getInstance();

        //2、指定jar包位置
        job.setJarByClass(WordCountDriver.class);

        //3、关联使用的Mapper类
        job.setMapperClass(WordCountMapper.class);

        //4、关联使用Reducer类
        job.setReducerClass(WordCountReducer.class);

        //5、设置Mapper阶段输出的数据类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        //6、设置Reducer阶段输出的数据类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        //7、设置数据输入路径
        FileInputFormat.addInputPath(job, new Path(args[0]));

        //8、设置数据输出路径
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        //9、提交
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    }
}

运行出现的问题

java.lang.UnsatisfiedLinkError:org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z

1、检查是否配置hadoop home环境变量,并配置path变量
2、HADOOP_HOME/bin里面是否有winutils.exe和hadoop.dll文件
3、C:\Windows\System32是否有hadoop.dll。
重启电脑

出现下面问题:

java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.createDirectoryWithMode0(Ljava/lang/String;I)V

hadoop.dll版本不一致。
下载地址
https://github.com/steveloughran/winutils
比如我使用的是hadoop2.7.3
可以使用hadoop-2.7.1的hadoop.dll
解决问题
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下载Hadoop WordCount可以通过以下步骤完成: 1. 打开Hadoop官方网站(https://hadoop.apache.org/)。 2. 导航至Hadoop的下载页面。 3. 在下载页面上,选择适合您操作系统的稳定版本。 4. 点击下载按钮,开始下载Hadoop二进制文件(提供tar.gz和zip格式)。 5. 下载完成后,将压缩文件解压到您选择的目录。您可以使用命令行或文件管理器进行解压。 6. 打开解压后的Hadoop文件夹,找到examples文件夹。 7. 在examples文件夹中,您将找到一个名为wordcount的子文件夹,这就是WordCount示例的位置。 8. 打开wordcount文件夹,您将找到一个名为WordCount.java的Java源代码文件。 9. 如果您还没有安装Java开发环境(JDK),请先安装JDK。 10. 使用您喜欢的集成开发环境(IDE)或文本编辑器打开WordCount.java文件。 11. 根据您的需求或兴趣,可以对WordCount.java进行任何修改。 12. 保存WordCount.java文件,并在终端中导航到Hadoop的解压目录。 13. 运行以下命令来编译WordCount.java文件: ``` $ bin/hadoop com.sun.tools.javac.Main WordCount.java ``` 14. 编译完成后,使用以下命令打包WordCount.class文件: ``` $ jar cf wc.jar WordCount*.class ``` 15. 完成打包后,您可以使用Hadoop进行WordCount示例的测试。使用以下命令来运行WordCount示例: ``` $ bin/hadoop jar wc.jar WordCount /input /output ``` 其中,/input是输入文件的路径,/output是输出文件的路径。 16. 执行命令后,Hadoop将在指定的输出路径中生成计数结果。 这样,您就成功地下载并安装了Hadoop WordCount示例,并可以通过上述步骤来测试和运行WordCount任务。请确保在执行命令之前,已正确设置Hadoop的配置文件,以便与您的系统和集群相匹配。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值