Hadoop集群进行map词频统计

最新推荐文章于 2024-05-11 19:27:04 发布

置顶陈信宇是大聪明

最新推荐文章于 2024-05-11 19:27:04 发布

阅读量2.6k

点赞数 6

文章标签： hadoop 大数据 big data

本文链接：https://blog.csdn.net/weixin_47231713/article/details/122156621

版权

一、首先新建虚拟机

二、配置静态IP

1、首先查看虚拟网络编辑器查看起始IP

2.1、修改静态IP

输入指令：vi /etc/sysconfig/network-scripts/ifcfg-ens33

修改BOOTPROTO=static

增加IPADDR、NETWASK、GATEWAY、DNS1

2.2、输入指令：vi /etc/sysconfig/network增加以下两条

2.3、输入指令：vi /etc/hosts 添加上IP和主机名

2.4、输入：reboot 重启虚拟机

三、安装JDK

3.1、在opt目录下创建module、jdk文件夹

输入命令：cd /opt/

输入命令：mkdir module

输入命令：mkdir jdk

输入命令：mkdir hadoop

3.2、卸载当前jdk

输入命令：java -version 查看当前jdk版本

输入命令：yum remove java* 卸载所有jdk

3.3、使用FileZilla链接虚拟机

将jdk压缩包上传到hadoop102的opt/jdk目录下、

hadoop压缩包上传到hadoop102的opt/hadoop目录下。

3.4、解压压缩包到制定目录

输入指令：cd /opt/jdk

输入指令：tar -zxvf jdk（jdk压缩包） -C /opt/module/

3.5、配置profile文件并让其生效

输入指令：pwd 查看当前目录

输入指令：vi /etc/profile 在文件末尾添加JAVA_HOME

输入指令：source /etc/profile

输入指令：java -version

四、安装hadoop

4.1、解压hadoop到指定目录

切换到根目录

输入指令：mkdir kkb

输入指令：cd kkb

输入指令：mkdir install

输入指令：cd /opt/hadoop

输入指令：tar -zxvf hadoop（hadoop压缩包） -C /kkb/install

4.2、配置profile文件并使其生效

输入指令：vi /etc/profile 配置HADOOP_HOME环境

输入指令：source /etc/profile

输入指令：hadoop version

五、克隆出hadoop103、hadoop104，并向hadoop102一样步骤修改静态IP

六、配置ssh免密登录

6.1、以102为例配置ssh

输入指令：cd ~/.ssh

输入指令：ssh-keygen -t rsa

连续输入三个回车，生成密匙

6.2、分发密匙，优先分发给自己，再分发给103、104

输入指令：ssh-copy-id 192.168.88.130

输入指令：ssh-copy-id 192.168.88.131

输入指令：ssh-copy-id 192.168.88.132

6.3、在103、104上按照6.1-6.2的步骤配置ssh

七、配置集群分发脚本xsync

7.1、在/usr/local/bin目录下创建xsync文件

输入指令：vi /usr/local/bin/xsync

7.2、xsync内容文件如下：

#!/bin/bash
#1 获取输入参数个数，如果没有参数，直接退出
pcount=$#
if((pcount==0)); then
echo no args;
exit;
fi

#2 获取文件名称
p1=$1
fname=`basename $p1`
echo fname=$fname

#3 获取上级目录到绝对路径
pdir=`cd -P $(dirname $p1); pwd`
echo pdir=$pdir

#4 获取当前用户名称
user=`whoami`

#5 循环
for((host=103; host<105; host++)); do
        #echo $pdir/$fname $user@hadoop$host:$pdir
        echo --------------- hadoop$host ----------------
        rsync -rvl $pdir/$fname $user@hadoop$host:$pdir
done

7.3、修改文件权限

输入指令：chomd a+x xsync

八、hadoop3的集群配置

8.1、执行checknative

输入指令：cd /kkb/install/hadoop-3.1.4/

输入指令：bin/hadoop checknative

8.2、安装openssl-deve1

输入指令：yum -y install openssl-deve1

8.3、修改dfs、yarn配置文件

输入指令：cd /kkb/install/hadoop-3.1.4/etc/hadoop

输入指令：vim /hadoop-env.sh 在末尾添加以下内容

export JAVA_HOME=/kkb/install/jdk1.8.0_162

输入指令：vim core-site.xml 在标签内添加以下内容

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://hadoop102:8020</value>
    </property>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>/kkb/install/hadoop-3.1.4/hadoopDatas/tempDatas</value>
    </property>
    <!--  缓冲区大小，实际工作中根据服务器性能动态调整；默认值4096 -->
    <property>
        <name>io.file.buffer.size</name>
        <value>4096</value>
    </property>
    <!--  开启hdfs的垃圾桶机制，删除掉的数据可以从垃圾桶中回收，单位分钟；默认值0 -->
    <property>
        <name>fs.trash.interval</name>
        <value>10080</value>
    </property>
</configuration>

输入指令：vim /hdfs-site.xml

<configuration>
<!-- NameNode存储元数据信息的路径，实际工作中，一般先确定磁盘的挂载目录，然后多个目录用，进行分割   -->
    <!--   集群动态上下线
    <property>
        <name>dfs.hosts</name>
        <value>/kkb/install/hadoop-3.1.4/etc/hadoop/accept_host</value>
    </property>
    <property>
        <name>dfs.hosts.exclude</name>
        <value>/kkb/install/hadoop-3.1.4/etc/hadoop/deny_host</value>
    </property>
     -->
     <property>
            <name>dfs.namenode.secondary.http-address</name>
            <value>hadoop102:9868</value>
    </property>
    <property>
        <name>dfs.namenode.http-address</name>
        <value>hadoop102:9870</value>
    </property>
    <!-- namenode保存fsimage的路径 -->
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:///kkb/install/hadoop-3.1.4/hadoopDatas/namenodeDatas</value>
    </property>
    <!--  定义dataNode数据存储的节点位置，实际工作中，一般先确定磁盘的挂载目录，然后多个目录用，进行分割  -->
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:///kkb/install/hadoop-3.1.4/hadoopDatas/datanodeDatas</value>
    </property>
    <!-- namenode保存editslog的目录 -->
    <property>
        <name>dfs.namenode.edits.dir</name>
        <value>file:///kkb/install/hadoop-3.1.4/hadoopDatas/dfs/nn/edits</value>
    </property>
    <!-- secondarynamenode保存待合并的fsimage -->
    <property>
        <name>dfs.namenode.checkpoint.dir</name>
        <value>file:///kkb/install/hadoop-3.1.4/hadoopDatas/dfs/snn/name</value>
    </property>
    <!-- secondarynamenode保存待合并的editslog -->
    <property>
        <name>dfs.namenode.checkpoint.edits.dir</name>
        <value>file:///kkb/install/hadoop-3.1.4/hadoopDatas/dfs/nn/snn/edits</value>
    </property>
    <property>
        <name>dfs.replication</name>
        <value>3</value>
    </property>
    <property>
        <name>dfs.permissions.enabled</name>
        <value>false</value>
    </property>
        <property>
        <name>dfs.blocksize</name>
        <value>134217728</value>
    </property>
</configuration>

输入指令：vim mapred-site.xml

<configuration>
<property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.job.ubertask.enable</name>
        <value>true</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>hadoop102:10020</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>hadoop102:19888</value>
    </property>
        <property>
        <name>yarn.app.mapreduce.am.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.map.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
    <property>
        <name>mapreduce.reduce.env</name>
        <value>HADOOP_MAPRED_HOME=${HADOOP_HOME}</value>
    </property>
</configuration>

输入指令：vi yarn-site.xml

<configuration>

<!-- Site specific YARN configuration properties -->
<property>
       <name>yarn.resourcemanager.hostname</name>
        <value>hadoop102</value>
    </property>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <!-- 如果vmem、pmem资源不够，会报错，此处将资源监察置为false -->
    <property>
        <name>yarn.nodemanager.vmem-check-enabled</name>
        <value>false</value>
    </property>
    <property>
        <name>yarn.nodemanager.pmem-check-enabled</name>
        <value>false</value>
    </property>
</configuration>

输入指令：vi workers

hadoop102
hadoop103
hadoop104

8.4、创建文件存放目录

输入指令：mkdir -p /kkb/install/hadoop-3.1.4/hadoopDatas/tempDatas

输入指令：mkdir -p /kkb/install/hadoop-3.1.4/hadoopDatas/namenodeDatas

输入指令：mkdir -p /kkb/install/hadoop-3.1.4/hadoopDatas/datanodeDatas

输入指令：mkdir -p /kkb/install/hadoop-3.1.4/hadoopDatas/dfs/nn/edits

输入指令：mkdir -p /kkb/install/hadoop-3.1.4/hadoopDatas/dfs/snn/name

输入指令：mkdir -p /kkb/install/hadoop-3.1.4/hadoopDatas/dfs/nn/snn/edits

8.5、使用xsync分发配置文件

输入指令：xsync hadoop-3.1.4 102在install目录下将hadoop分发给103、104

九、启动hdfs、yarn

9.1、在102上格式化集群（只能格式一次、不能频繁格式）

输入指令：hdfs namenode -format

9.2、在102的hadoop-3.1.4目录下启动dfs、yarn

输入指令：sbin/start-dfs.sh

输入指令：sbin/start-yarn.sh

9.3、jps命令查看启动进程

9.4、验证集群是否启动成功

在浏览器打开：192.168.88.130:8088

在浏览器打开：192.168.88.130:9870

十、在Windows中配置hadoop

10.1、修改windows的hosts文件

地址：C:\Windows\System32\drivers\etc\hosts

10.2、配置Windows本中配置hadoop环境

将集群所用的hadoop-3.1.4.tar.gz解压到一个没有中文、空格的目录下

10.3、配置hadoop的环境变量

10.4、将下图的hadoop.dll文件拷贝到C:\\Windows\System32

10.5、将hadoop集群的一下5个配置文件core-site.xml、hdfs-site.xml、mapred-site.xml、yarn-site.xml、workers，拷贝到windows下hadoop的C:\hadoop-3.1.4\etc\hadoop目录下

10.6、打开cmd运行hadoop命令

十一、安装maven

11.1、下载安装包 apache-maven-3.6.1-bin.zip 并解压到某目录、配置环境变量

11.2、cmd中运行mvn -v

11.3、找到maven解压的目录，找到settings.xml文件，添加以下内容

11.4、打开IDEA，新建一个maven工程，配置pom文件，内容如下：

<properties>
        <hadoop.version>3.1.4</hadoop.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>${hadoop.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>${hadoop.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/junit/junit -->
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.11</version>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>org.testng</groupId>
            <artifactId>testng</artifactId>
            <version>RELEASE</version>
        </dependency>
        <dependency>
            <groupId>log4j</groupId>
            <artifactId>log4j</artifactId>
            <version>1.2.17</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.0</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                    <encoding>UTF-8</encoding>
                    <!--   <verbal>true</verbal>-->
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.3</version>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <minimizeJar>true</minimizeJar>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>

十二、词频统计程序实现

12.1、编写mapper类

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;
import java.util.ArrayList;
import java.util.List;

public class MyMapper extends Mapper <LongWritable, Text,Text, IntWritable>{
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //获得当前行的数据
        String line = value.toString();

        //获得一个个的单词
            String lineBuffer = line;

            String[] keys = new String[]{" ", "\t", "    ", ".", "（", "）", "(", ")"};

            for (String k : keys){
            lineBuffer = lineBuffer.replace(k, ",");
        }

        String[] wordsBuffer = lineBuffer.split(",");

        List<String> words = new ArrayList<>();

        for (String w : wordsBuffer){
            if (!w.equals("")){
                words.add(w);
            }
        }

        //每个单词编程kv对
        for (String word : words) {
            //将kv对输出出去
            context.write(new Text(word),new IntWritable(1));
        }

    }
}

12.2、编写Reducer类

package wordcount;

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

import java.io.IOException;

public class MyReducer extends Reducer<Text, IntWritable,Text,IntWritable> {
    //bear,List(2,3,3)
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum=0;
        for (IntWritable value : values) {
            int count = value.get();
            sum +=count;
        }

        context.write(key,new IntWritable(sum));
    }
}

12.3、组装main程序

package wordcount;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
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.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;


public class WordCount extends Configured implements Tool {
public static void main(String[] args) throws Exception {
int run = ToolRunner.run(new Configuration(), new WordCount(), args); // 集群代码
System.exit(run);

}
@Override
public int run(String[] args) throws Exception {
Job job = Job.getInstance(super.getConf(), "wordcount");
        job.setJarByClass(WordCount.class);

        job.setInputFormatClass(TextInputFormat.class);

        TextInputFormat.addInputPath(job, new Path(args[0]));

        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        job.setOutputFormatClass(TextOutputFormat.class);
        TextOutputFormat.setOutputPath(job, new Path(args[1]));

        job.setNumReduceTasks(Integer.parseInt(args[2]));

        boolean b = job.waitForCompletion(true);
        return b ? 0 : 1;


    }
}

12.4、将程序打包、点击maven的package

十三、在集群中实现

13.1、使用FileZilla链接hadoop102

找到打包文件，和测试文件，一起上传到hadoop102

13.2、将测试文件上传到hdfs

在hadoop-3.1.4目录下

输入指令：bin/hdfs dfs -mkdir -p /test-wrh 在hdfs上创建test-wrh文件夹

输入指令：bin/hdfs dfs -put 测试文件地址 /test-wrh/ 将测试文件上传到test-wrh

13.3、在IDEA中拷贝地址

13.4、运行程序

在包含程序的目录中：

输入指令：hadoop jar jar包名 Reference /输入路径 /输出路径 3个节点

13.5、将结果从hdfs上下载

输入指令：hadoop fs -get /输出路径/part-r-00000 /下载路径

13.6、查看结果

输入指令：vim part-r-00000

陈信宇是大聪明

关注

6
点赞
踩
31

收藏

觉得还不错? 一键收藏
5
评论
Hadoop集群进行map词频统计

一、首先新建虚拟机二、配置静态IP 1、首先查看虚拟网络编辑器查看起始IP 2.1、修改静态IP输入指令：vi /etc/sysconfig/network-scripts/ifcfg-ens33 修改BOOTPROTO=static 增加IPADDR、NETWASK、GATEWAY、DNS1...
复制链接

扫一扫