调用MapReduce对文件中各个单词出现次数进行统计
实验配置:系统:Ubuntu Kylin | 环境:Hadoop | 软件:Eclipse
文章目录
一、安装Linux
一般来说,如果要做服务器,我们选择CentOS或者Ubuntu Server;如果做桌面系统,我们选择Ubuntu Desktop。但是在学习Hadoop方面,虽然两个系统没有多大区别,但是个人在学习生活中常用Ubuntu,所以本实验采用Ubuntu Kylin版本。相关下载文件可以从参考资料[1]中获取。
二、准备工作
1.创建Hadoop账户
1.首先按 ctrl+alt+t 打开终端窗口,输入如下命令创建新用户
代码如下:
1|sudo useradd -m hadoop -s /bin/bash
这条命令创建了可以登陆的 hadoop 用户,并使用 /bin/bash 作为 shell。
2.设置hadoop密码
代码如下:
1|sudo passwd hadoop
3.为hadoop用户增加管理员权限
代码如下:
1|sudo adduser hadoop sudo
最后注销当前用户(点击屏幕右上角的齿轮,选择注销),返回登陆界面。在登陆界面中选择刚创建的 hadoop 用户进行登陆。
4.更新 apt
用 hadoop 用户登录后,先更新一下 apt,后续将使用 apt 安装软件,如果没更新可能有一些软件安装不了。 打开终端窗口,执行如下命令:
1|sudo apt-get update
如果出现“Hash校验和不符”的提示,可以通过更改软件源解决。
这里安装一下vim
1|sudo apt-get install vim
5.安装SSH并配置免密登录
系统已经默认安装SSH client,我们需要额外安装SSH server
1|sudo apt-get install openssh-server
安装后,尝试登陆本机
1|ssh localhost
这样SSH server就安装好了,接下来配置免密登录
1|exit # 退出刚才的 ssh localhost(如果刚刚没登录则省略)
2|cd ~/.ssh/ # 若没有该目录,请先执行一次ssh localhost
3|ssh-keygen -t rsa # 会有提示,一直按回车即可
4|cat ./id_rsa.pub >> ./authorized_keys # 加入授权
此时再用ssh localhost命令,即可免密登录
6.安装Java环境
我这里使用手动安装JDK的方式,可以用其他方式代替
把JDK安装包放到下载目录下(如果系统语言是英文则为Download)
为了方便后续安装,一并把hadoop安装包和hadoop-eclipse-plugin放置在此目录下
在终端执行如下命令
1|cd /usr/lib
2|sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件
3|cd ~ #进入hadoop用户的主目录
4|cd 下载 #英文注意区分大小写字母,刚才已经通过把JDK安装包jdk-8u162-linux-x64.tar.gz上传到该目录下
sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm #把JDK文件解压到/usr/lib/jvm目录下
JDK文件解压缩以后,可以执行如下命令到解压目录下查看
1|cd /usr/lib/jvm
2|ls
接下来设置环境变量
使用如下命令打开环境变量配置文件
1|cd ~
2|vim ~/.bashrc
在开头添加以下内容(这里需要注意,进入到配置文件的时候,按i进行插入,按esc退出编辑,然后按:w代表写入,q是退出)
export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
按 :wq 保存文件并退出编辑器,执行如下命令使得配置生效
1|source ~/.bashrc
这时候可以使用如下命令查看是否安装成功
1|java -version
7.安装Hadoop
先将Hadoop安装到目标文件夹
1|sudo tar -zxf ~/下载/hadoop-2.10.0.tar.gz -C /usr/local #解压到/usr/local中
2|cd /usr/local/
3|sudo mv ./hadoop-2.6.0/ ./hadoop #将文件夹名改为hadoop
4|sudo chown -R hadoop ./hadoop #修改文件权限
Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用,成功则会显示 Hadoop 版本信息
1|cd /usr/local/hadoop
2|./bin/hadoop version
接下来进行Hadoop伪分布式配置
我们要修改位于/usr/local/hadoop/etc/hadoop/中的core-site.xml 和hdfs-site.xml两个配置文件
1|cd /usr/local/hadoop/etc/hadoop/
2|vim core-site.xml
修改配置文件 core-site.xml 将当中的
1|<configuration>
2|</configuration>
修改成下面配置
<configuration>
<property>
<name>hadoop.tmp.dir</name>
<value>file:/usr/local/hadoop/tmp</value>
<description>Abase for other temporary directories.</description>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
同理,修改配置文件 hdfs-site.xml
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/name</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>file:/usr/local/hadoop/tmp/dfs/data</value>
</property>
</configuration>
配置完成后,执行NameNode的格式化
1|cd /usr/local/hadoop
2|./bin/hdfs namenode -format
成功如下所示
接着开启NameNode 和 DataNode 进程
1|cd /usr/local/hadoop
2|./sbin/start-dfs.sh
出现SSH提示输入yes即可,接着用jps命令查看,可以看到NameNode和DataNode进程
成功启动后,可以访问 Web 界面http://localhost:50070查看 NameNode 和 DataNode 信息,还可以在线查看 HDFS 中的文件
三、调用MapReduce执行WordCount对单词进行计数
1.安装Eclipse
首先安装 Eclipse,在桌面左侧任务栏,点击“Ubuntu Kylin软件中心”,可以搜索直接安装
然后安装 Hadoop-Eclipse-Plugin,先解压文件
1|unzip -qo ~/下载/hadoop2x-eclipse-plugin-master.zip -d ~/下载
把release 中的 hadoop-eclipse-kepler-plugin-2.6.0.jar复制到复制到 Eclipse 安装目录的 plugins 文件夹中
1|sudo cp ~/下载/hadoop2x-eclipse-plugin-master/release/hadoop-eclipse-plugin-2.6.0.jar /usr/lib/eclipse/plugins/
重启Eclipse,安装完第一次要用此方法重启,之后使用可以正常启动
1|/usr/lib/eclipse/eclipse -clean
2.配置Hadoop-Eclipse-Plugin
在继续配置前确保已经开启Hadoop
启动eclipse后可以在左侧看到插件安装成功
插件需要进一步的配置
第一步:选择 Window 菜单下的 Preference
此时会弹出一个窗口,点击左侧Hadoop Map/Reduce 选项,选择 Hadoop 的安装目录(如/usr/local/hadoop,Ubuntu不好选择目录,直接输入就行)
第三步:建立与 Hadoop 集群的连接,点击 Eclipse软件右下角的 Map/Reduce Locations 面板,在面板中单击右键,选择 New Hadoop Location
在弹出来的General 选项面板中,取一个名称,因为我使用的是Hadoop伪分布,DFS Master的Port要改成9000,其余默认
点击finsh,Map/Reduce Location 就创建好了
需要注意的是,Hadoop系统安装好以后,第一次使用HDFS时,需要首先在HDFS中创建用户目录
可以使用如下命令创建一个input目录
1|./bin/hdfs dfs –mkdir input
然后,可以使用如下命令把需要WordCount记数的文件上传到HDFS中的当前用户目录的input目录下
我使用的文件是king.txt,目录为"/usr/local/hadoop"
3.在 Eclipse 中创建 MapReduce 项目
首先,点击File菜单,选择New——Project
![在这里插入图片描述](https://img-blog.csdnimg.cn/20201219174253905.png#pic_center
选择 Map/Reduce Project,点击 Next
填写 Project name,名字自己定,点击 Finish 就创建好了项目
此时在左侧的 Project Explorer 就能看到刚才建立的项目了
4.进行WordCount,输出结果,保存到本地
右键点击创建的 WordCount 项目,选择 New -> Class
需要填写两个地方:在 Package 处填写 org.apache.hadoop.examples;在 Name 处填写 WordCount
创建 Class 完成后,在 Project 的 src 中就能看到 WordCount.java 这个文件
将如下 WordCount 的代码复制到该文件中
package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.Iterator;
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.Reducer;
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 WordCount() {
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
//String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
String[] otherArgs=new String[]{"input","output"};
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(WordCount.TokenizerMapper.class);
job.setCombinerClass(WordCount.IntSumReducer.class);
job.setReducerClass(WordCount.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);
}
public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public IntSumReducer() {
}
public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
int sum = 0;
IntWritable val;
for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
val = (IntWritable)i$.next();
}
this.result.set(sum);
context.write(key, this.result);
}
}
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
private static final IntWritable one = new IntWritable(1);
private Text word = new Text();
public TokenizerMapper() {
}
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);
}
}
}
}
复制完成后,刷新可以看到文件结构
点击工具栏中的 Run 图标,或者右键点击 Project Explorer 中的 WordCount.java,选择 Run As -> Run on Hadoop,就可以运行 MapReduce 程序了
出现如下信息则表示运行成功
此时可以在DFS Locations-Map ReduceLocation-user-adoop-output中看到part-r-00000文件,就是运行结果
也可以通过输入下面命令进行查看
1|cd /usr/local/haddop
2|./bin/hdfs dfs -cat output/part-r-00000
输入下面命令,可以把HDFS中文件下载到本地文件系统中的“/home/hadoop/下载/”这个目录下
1|./bin/hdfs dfs -get output/part-r-00000 /home/hadoop/下载