1、在 Linux 系统中搭建 Eclipse 和 Maven 环境,创建 Maven Project
2、安装jdk,并配置环境变量。
3、配置maven ,配置环境变量,用root用户身份。
4.配置Maven仓库
5.解压eclipse
6.以普通用户打开eclipse,配置maven
修改pom.xml
配置输出路径
二、基于八古文格式编写WordCount 程序
一个简单的MapReduce程序只需要指定map()、reduce()、input和output,剩下的事由框架完成。
package org.apache.hadoop.mr01;
import java.io.IOException;
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.LongWritable;
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.Tool;
import org.apache.hadoop.util.ToolRunner;
public class WordCount extends Configured implements Tool {
//四个泛型,前两个是输入类型,后两个是输出类型。
public static class WordCountMapper extends Mapper<LongWritable,Text,Text,IntWritable> {
private final static IntWritable mapOutputValue=new IntWritable(1);
private Text mapOutputKey=new Text();
//每次读一行数据就调用一次该方法
@Override
public void map(LongWritable key,Text value,Context context) throws IOException, InterruptedException{
String line=value.toString();
String[] words=line.split(" ");
for(String word:words){
mapOutputKey.set(word);
context.write(mapOutputKey, mapOutputValue);
}
}
}
public static class WordCountReducer extends Reducer<Text,IntWritable,Text,IntWritable>{
private IntWritable outputValue = new IntWritable() ;
@Override
public void reduce(Text key, Iterable<IntWritable> values,Context context)
throws IOException, InterruptedException {
int sum = 0 ;
//遍历value的list,累加求和
for(IntWritable value: values){
sum += value.get() ;
}
outputValue.set(sum);
//输出一个单词的统计结果
context.write(key, outputValue);
}
}
public int run(String[] args) throws Exception {
//获取configuration
Configuration configuration = super.getConf() ;
// 创建job
Job job = Job.getInstance(configuration,this.getClass().getSimpleName());
job.setJarByClass(this.getClass());
//input
Path inPath = new Path(args[0]) ;
FileInputFormat.addInputPath(job, inPath);
// mapper
job.setMapperClass(WordCountMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
// reducer
job.setReducerClass(WordCountReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//output
Path outPath = new Path(args[1]);
FileOutputFormat.setOutputPath(job, outPath);
//提交job
boolean isSuccess = job.waitForCompletion(true);
return isSuccess ? 0 : 1 ;
}
public static void main(String[] args) throws Exception {
Configuration configuration = new Configuration();
int status = ToolRunner.run(configuration,new WordCount(), args) ;
System.exit(status);
}
}
打包JAR,在YARN 运行测试
三、以WordCount 程序为例,理解MapReduce 如何并行分析数
默认一个分片split进行一个map处理,多个map经过中间的数据转换进入一个或多个reduce处理。
1、input读入数据,按行读取,转换格式为<key,value>为map的输入文件,key是这行数据在文件中的偏移量。Value是这行数据的内容。
2、在map中对这行数据进行split分割,形成map的输出文件类似为<word,1>。
3、经过中间过程的转换,进入reduce中,reduce的输入格式<key,values>,类似为<hadoop,list(1,1,1,1)>。Reduce对value值进行累加。
4、output输入数据,默认情况下每个<Key,Value>输出一行数据。
key和value之间分隔符为制表符。