MapReduce初学习
Mapreduce概述:
MapReduce是一种分布式计算模型,主要用于搜索领域,解决海量数据的计算问题。MR是由两个阶段组成,Map和Reduce,用户只需要实现map()和reduce()两个函数,即可实现分布式计算,这两个函数的形参是key,value对,表示函数的输入信息。
举例:
实战:
Linux下的data文件夹创建一个文本:
cd /home/data
touch words //创建文本words
gedit words //编辑words
words文本内容:
hello a
hello b
hello c
进行操作:
bin/hadoop fs -mkdir /words //创建words文件夹
bin/hdfs dfs -put /home/data/words /words //words文件上传到hdfs的words路径下
//如果hdfs路径内已经有words路径了,删除
bin/hdfs dfs -rm -r /words
接下来,我们来在Windows下的eclipse里编写mapreduce代码:
首先安装打开eclipse,创建一个maven项目:
pom.xml:添加依赖 <properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<hadoop.version>2.7.1</hadoop.version>
</properties> <dependencies>
<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-common</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>3.8.1</version>
<scope>test</scope>
</dependency>
</dependencies>
右键项目名,Build Path —— Configure Build Path,修改jdk版本
创建java 文件,开始编写mapper:
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; public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {//LongWritable相当于long,Text相当于String,IntWritable相当于int
@Override
protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
throws IOException, InterruptedException {
// 得到输入的每一行数据 hello a
String line = value.toString(); // 分割数据,通过空格来分割 hello,a
String[] words = line.split(" "); // 循环遍历并输出
// hello,1
// a,1
for (String word : words) {
context.write(new Text(word), new IntWritable(1));//每个值输出一次
} }
}
编写Reducer:
import java.io.IOException; import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer; public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
@Override
protected void reduce(Text key, Iterable<IntWritable> values,
Reducer<Text, IntWritable, Text, IntWritable>.Context content) throws IOException, InterruptedException {
Integer count = 0;
for (IntWritable value : values) {//迭代遍历
count += value.get();
}
content.write(key, new IntWritable(count));
}
}
编写Mapreduce:
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; public class WordCountMapReduce {
public static void main(String[] args) throws Exception {
// 创建配置对象
Configuration conf = new Configuration(); // 创建job对象
Job job = Job.getInstance(conf, "wordcount"); // 设置运行job的主类
job.setJarByClass(WordCountMapReduce.class); // 设置mapper类
job.setMapperClass(WordCountMapper.class);
// 设置reducer类
job.setReducerClass(WordCountReducer.class); // 设置map输出的key value
job.setMapOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class); // 设置reducer输出的key value类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class); // 设置输入输入的路径
FileInputFormat.setInputPaths(job, new Path("hdfs://hadoop:9000/words"));
FileOutputFormat.setOutputPath(job, new Path("hdfs://hadoop:9000/out")); // 提交job
boolean b = job.waitForCompletion(true); if(!b) {
System.err.println("This task has failed!!!");
} }
}
导出jar包:
第一种方式:
项目右键——Export
第二种方式:(把所有jar包都导入进去,包括依赖的jar包)先运行(报错不用管)
打开虚拟机,终端启动hadoop(hadoop目录下sbin/start-all.sh)
把刚刚导出的jar包放入/home/jars中,
//运行jar包
bin/yarn jar /home/jars/wc.jar
运行进程可以打开hadoop:8088查看
运行完成后打开hadoop:50070,上方Utilities——第一个,查看hdfs中目录是否有out
//查看out中数据
bin/hdfs dfs -ls /out
bin/hdfs dfs -cat /out/part-r-
可以看到结果
a
b
c
hello
在Windows下连接hadoop:
在第一个链接里面有个源码的文件包,里面有两个工具,hadoopbin包和hadoop-eclipse-plugin-2.7.0.jar。
先将hadoop包打开,放在一个目录下,然后进行环境配置:
path里添加:
将hadoop-eclipse-plugin-2.7.0.jar放入eclipse安装目录下的plugins目录下,将hadoopbin包中的文件放在hadoop安装目录的bin目录下,全部替换。
把hadoopbin包中的hadoop.dll文件放在 C:\Windows\System32 中
打开eclipse(如果此时eclipse是打开状态,请重启):如果此时左侧的DFS Locations没有出现,说明插件有问题,请换一个插件
确定
上方Window -> Show View -> Other -> Map/Reduce Tools :
下方会出现:点击右方小象:
(1)添加你想起的location名字,我这里起名hadoop
(2)(3)应该和mapred-site.xml里的一致,如果没有,默认IP地址,port为50020;
(4)(5)和core-site.xml一致
(6)Linux下使用的用户名
如果出现:说明成功了
如果没成功,可能是插件版本或者插件本身问题(我被这个插件折腾了几个星期),试着换插件。
PS1.输入输出中的hadoop对应的IP地址,如果不直接写IP地址的话,可以在Windows下添加映射:
打开C:\Windows\System32\drivers\etc 下的hosts文件,末尾添加:
hadoop 10.128.255.203
注意一下,如果虚拟机的ip地址换了的话,不要忘记更换此处的映射;如果虚拟机的hosts文件也添加了映射,也不要忘记更换。
PS2.如果怀疑是端口连不上,可以使用telnet:
打开控制面板:
安装完成后打开命令行:
出现
说明端口连接成功。
最新文章
- Webpack--自学笔记
- oracle根据视图删除表
- properties 配置文件中值换行的问题
- 20145304 Java第九周学习报告
- stdio.h----标准的输入输出函数
- SELECT的解析顺序及慢查询优化
- Unable to execute dex: Multiple dex files define 解决方法
- oracle返回多结果集
- web开发常用图片格式
- 转:jQuery事件绑定.on()简要概述及应用
- java.lang.ClassCastException: sun.proxy.$Proxy11 cannot be cast to分析
- 实习第一天之数据绑定:<;%#Eval(";PartyName";)%>;&#39;
- BootStrap Table使用小结
- hihoCoder_二分&;#183;归并排序之逆序对
- Thread类中的静态方法
- 有这iconfont.woff文件 为什么还报404
- [转] node升级到8.0.0在vscode启动js执行文件报错
- java如何写自己的native方法实现调用本地的c++库?
- Java可重入锁与不可重入锁
- jQuery学习-基本选择器
热门文章
- ubuntu16.04搭建个人简易DLP
- 1.flask视图和URL
- [ Openstack ] OpenStack-Mitaka 高可用之 概述
- Asp.Net Core 项目实战参考
- 搜索引擎--范例:新浪微博API获取最近的微博--statuses/public_timeline
- Django 静态文件配置 (Nginx)
- (21)python Anaconda
- Cocos2dx-Lua UIScrollView 和 UITableView 对比
- MySQL 8.0.13安装教程(windows 64位) (转)
- Milk Pails(BFS)