WordCount案例实操

1．需求

在给定的文本文件中统计输出每一个单词出现的总次数
（1）输入数据

（2）期望输出数据
1
lin 1
shi 2
wo 2
xiang 1
xinyue 2

2．需求分析

按照MapReduce编程规范，分别编写Mapper，Reducer，Driver，如图所示。

3．环境准备

（1）创建maven工程





（2）在pom.xml文件中添加如下依赖

<dependencies>
		<dependency>
			<groupId>junit</groupId>
			<artifactId>junit</artifactId>
			<version>RELEASE</version>
		</dependency>
		<dependency>
			<groupId>org.apache.logging.log4j</groupId>
			<artifactId>log4j-core</artifactId>
			<version>2.8.2</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-common</artifactId>
			<version>2.7.2</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-client</artifactId>
			<version>2.7.2</version>
		</dependency>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-hdfs</artifactId>
			<version>2.7.2</version>
		</dependency>
</dependencies>

（2）在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入。

log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

4．编写程序

（1）编写Mapper类

package com.hadoop.mapreduce;/*
作者     :XiangLin
创建时间 :17/08/2020 23:39
文件     :WordcountMapper.java
IDE      :IntelliJ IDEA
*/


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;

public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    Text k = new Text();
    IntWritable v = new IntWritable(1);

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1 获取一行
        String line = value.toString();

        // 2 切割
        String[] words = line.split(" ");

        //3 输出
        for (String word : words) {
            k.set(word);
            context.write(k,v);
        }
    }
}

（2）编写Reducer类

package com.hadoop.mapreduce;/*
作者     :XiangLin
创建时间 :17/08/2020 23:49
文件     :WordcountReducer.java
IDE      :IntelliJ IDEA
*/

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

import java.io.IOException;

public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
    int sum;
    IntWritable v = new IntWritable();
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        // 1 累加求和
        sum = 0;
        for (IntWritable count : values) {
            sum += count.get();
        }
        // 2 输出
        v.set(sum);
        context.write(key,v);
    }
}

（3）编写Driver驱动类

package com.hadoop.mapreduce;/*
作者     :XiangLin
创建时间 :17/08/2020 23:53
文件     :WordcountDriver.java
IDE      :IntelliJ IDEA
*/

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 {
        Configuration conf = new Configuration();
        //1.获取job对象
        Job job = Job.getInstance(conf);

        // 2设置jar存储位置
        job.setJarByClass(WordcountDriver.class);

        // 3关联Map和Reduce类
        job.setMapperClass(WordcountMapper.class);
        job.setReducerClass(WordcountReducer.class);

        // 4设置Mapper阶段输出数据的key和value
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        // 5设置最终数据输出的key和value类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 6设置输出路径和输出路径
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        FileOutputFormat.setOutputPath(job,new Path(args[1]));

        // 7提交job
        boolean result = job.waitForCompletion(true);

        System.exit(result?0 : 1);
    }
}

5．本地测试

运行，设置输出输出参数

d:/xiaoyue.txt d:/outputt

6．集群上测试

（0）用maven打jar包，需要添加的打包插件依赖
注意： <mainClass>com.atguigu.mr.WordcountDriver</mainClass>的部分需要替换为自己工程主类

<build>
		<plugins>
			<plugin>
				<artifactId>maven-compiler-plugin</artifactId>
				<version>2.3.2</version>
				<configuration>
					<source>1.8</source>
					<target>1.8</target>
				</configuration>
			</plugin>
			<plugin>
				<artifactId>maven-assembly-plugin </artifactId>
				<configuration>
					<descriptorRefs>
						<descriptorRef>jar-with-dependencies</descriptorRef>
					</descriptorRefs>
					<archive>
						<manifest>
							<mainClass>com.hadoop.mr.WordcountDriver</mainClass>
						</manifest>
					</archive>
				</configuration>
				<executions>
					<execution>
						<id>make-assembly</id>
						<phase>package</phase>
						<goals>
							<goal>single</goal>
						</goals>
					</execution>
				</executions>
			</plugin>
		</plugins>
	</build>

注意：如果工程上显示红叉。在项目上右键->maven->update project即可。

修改不带依赖的jar包名称为wc.jar，并拷贝该jar包到Hadoop集群。
（2）启动Hadoop集群
（3）执行WordCount程序

[hadoop@hadoop102 hadoop-2.7.2]$ hadoop jar wc.jar com.hadoop.mapreduce.WordcountDriver /user/hadoop/input /user/hadoop/output

[hadoop@hadoop102 hadoop-2.7.2]$ hadoop fs -cat /user/hadoop/output/part-r-00000
gu	1
lu	1
mao	1
san	1
shi	2
wo	2
woshibossxiang	2
xinyue	2

注：博主在运行：博主在运行过程当中发现一个问题，就是运行的时候一直卡死

这里里一直不动，还发现集群始终只显示一个节点

百度半天

发现问题，

解决方法：关闭hadoop集群，修改hosts文件，命令：sudo vi /etc/hosts，三台机子都要修改


 
 
 
几百本常用电子书免费领取：https://github.com/XiangLinPro/IT_book