服务器模式之在服务器上提交

最新推荐文章于 2023-02-06 07:00:00 发布

宝哥大数据

最新推荐文章于 2023-02-06 07:00:00 发布

阅读量588

点赞数

分类专栏： # Hadoop 文章标签： hadoop

本文链接：https://blog.csdn.net/wuxintdrh/article/details/54589633

版权

Hadoop 专栏收录该内容

33 篇文章 0 订阅

订阅专栏

服务器模式之在服务器上提交

首先需要在src下放置服务器上的hadoop配置文件

 * 服务器模式： 在服务器上提交<br>
 * a、把MR程序打包（jar），传送到服务器上
 * b、通过： hadoop jar jar路径 类的全限定名

Mapper类：

package com.chb;

import java.io.IOException;

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 org.apache.hadoop.util.StringUtils;

/**
 * 
 *
 */
public class WCMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    /**
     * 该方法循环调用，从文件的split中没读取一行调用一次， 
     * 把该行的所在的下表为key, 内容为value
     * 
     * mapper的输出经过洗牌， 分组， 输出到reducer
     * 本例中， 洗牌和分组是默认的
     * 所以暂时不用考虑
     */
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        String[] words = StringUtils.split(value.toString(), ' ');
        for (String w : words) {
            context.write(new Text(w), new IntWritable(1));
        }
    }
}

Reducer类：

package com.chb;
import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WCReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
    /**
     * mapper之后的数据，经过洗牌分组， 输出到reducer
     * 该方法每处理一组调用一次
     * 
     */
    protected void reduce(Text key, Iterable<IntWritable> vals,
            Context context)
                    throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable iw : vals) {
            sum += iw.get();
        }
        context.write(key, new IntWritable(sum));
    } 
}

执行类

package com.chb;



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

public class WC {
    public static void main(String[] args) {
        //加载配置
        Configuration conf = new Configuration();
        try {
            FileSystem fs = FileSystem.get(conf);
            //创建任务
            Job job =Job.getInstance();
            job.setJarByClass(WC.class);
            job.setJobName("WC");
            //Mapper和Reducer类
            job.setMapperClass(WCMapper.class);
            job.setReducerClass(WCReducer.class);
            //Mapper的输出类型
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(IntWritable.class);
            //输入输出路径
            FileInputFormat.addInputPath(job, new Path("/user/chb/input/"));
            Path out = new Path("/user/chb/output/wc");
            if(fs.exists(out)) {
                fs.delete(out, true);
            }
            FileOutputFormat.setOutputPath(job, out);
            boolean f = job.waitForCompletion(true);
            if(f){
                System.out.println("任务已经完成了");
            }

        } catch (Exception e) {
            e.printStackTrace();
        }

    }

}