欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

实现MapReduce程序完成单词统计

程序员文章站 2022-05-01 11:30:20
...

一、实验目的

理解MapReduce在Hadoop体系结构中的角色,通过该实验后,能设计开发简单的MapReduce程序。

二、实验设备

计算机:CPU四核i7 6700处理器;内存8G; SATA硬盘2TB硬盘; Intel芯片主板;集成声卡、千兆网卡、显卡; 20寸液晶显示器。
编译环境:(1)操作系统:Linux (2)Hadoop版本:2.7.2 机器:虚拟机3台 (3)Eclipse 4.7

三、实验内容

3.1启动Hadoop服务

(1)格式化namenode。
(2)启动Hadoop。

[aaa@qq.com ~]# cd /opt/module/hadoop-2.7.2/
[aaa@qq.com hadoop-2.7.2]# sbin/./start-all.sh

实现MapReduce程序完成单词统计
(3)用jps验证服务器服务是否启动成功。

[aaa@qq.com hadoop-2.7.2]# jps

实现MapReduce程序完成单词统计
实现MapReduce程序完成单词统计
实现MapReduce程序完成单词统计

3.2开发LineCount程序

(1)打开Eclipse开发工具,新建Maven项目。
实现MapReduce程序完成单词统计
实现MapReduce程序完成单词统计
实现MapReduce程序完成单词统计

实现MapReduce程序完成单词统计
(2)WORDCOUNT代码
WordCountMapper:

package com.lizi.mr;
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> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //拿到输入的这行数据
        String line = value.toString();
        //根据空格进行分割得到这行的单词
        String[] words = line.split(" ");
        //将单词输出为 <word,1>
        for (String word : words) {
            //将单词作为key ,将次数 做为value输出,
            // 这样也利于后面的数据分发,可以根据单词进行分发,
            // 以便于相同的单词落到相同的reduce task 上,方便统计
            context.write(new Text(word), new IntWritable(1));
        }
    }
}

WordCountReduce:

package com.lizi.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class WordCountReduce extends Reducer<Text, IntWritable, Text, IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        String word = key.toString();
        int count = 0;
        for (IntWritable value : values) {
            count += value.get();
        }
        context.write(key, new IntWritable(count));
    }
}

WordCountDriver:

package com.lizi.mr;
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();
        // mapreduce.framework.name 配置成 local 就是本地运行模式,默认就是local
        // 所谓的集群运行模式 yarn ,就是提交程序到yarn 上. 要想集群运行必须指定下面三个配置.
        conf.set("mapreduce.framework.name", "yarn");
        conf.set("yarn.resoucemanager.hostname", "hadoop101");
        conf.set("fs.defaultFS","hdfs://hadoop101:9000/");
        Job job = Job.getInstance(conf);
        //指定本程序的jar 包 所在的本地路径
        job.setJarByClass(WordCountDriver.class);
        //指定本次业务的mepper 和 reduce 业务类
        job.setMapperClass(WordCountMapper.class);
        job.setReducerClass(WordCountReduce.class);
        //指定mapper 输出的 key  value 类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //指定 最终输出的 kv  类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        //指定job的输入原始文件所在目录
        FileInputFormat.setInputPaths(job,new Path(args[0]));
        //指定job 输出的文件目录
        FileOutputFormat.setOutputPath(job,new Path(args[1]));
        boolean waitForCompletion = job.waitForCompletion(true);
        System.exit(waitForCompletion ? 0 : 1);
    }
}

3.3导出jar文件。

我们需要将开发的LineCount.java编译后的class打成jar包,并上传到master服务器上才能运行。可以使用jar命令也可以使用Eclipse里的导出jar包功能。在MapReduce项目上点击右键,点击“export”,如下图:
实现MapReduce程序完成单词统计
实现MapReduce程序完成单词统计

3.4将jar文件上传到master服务器上。

实现MapReduce程序完成单词统计

3.5准备测试数据

首先在本地见文件,编写内容,之后上传到HDFS系统上面。

[aaa@qq.com hadoop-2.7.2]# cd /home/hadoop/
[aaa@qq.com hadoop]# lstest.txt  下载
[aaa@qq.com hadoop]# touch file1.txt
[aaa@qq.com hadoop]# vi file1.txt 

实现MapReduce程序完成单词统计
上传到HDFS系统:

[aaa@qq.com hadoop-2.7.2]# hadoop fs -mkdir -p /user/hadoop/mapreduce/input
[aaa@qq.com hadoop-2.7.2]# hadoop fs -put /home/hadoop/file1.txt /user/hadoop/mapreduce/input/
[aaa@qq.com hadoop-2.7.2]# hadoop fs -ls /user/hadoop/mapreduce/input/
Found 1 items
-rw-r--r--   2 root supergroup         71 2020-05-12 23:43 /user/hadoop/mapreduce/input/file1.txt

运行JAR包:

[aaa@qq.com hadoop-2.7.2]# hadoop jar /opt/jar/mapreduce/WordCount.jar com/lizi/mr/WordCountDriver /user/hadoop/mapreduce/input/file1.txt /user/hadoop/mapreduce/output1/

查看输出目录:

[aaa@qq.com hadoop-2.7.2]# hadoop fs -ls /user/hadoop/mapreduce/output1
Found 2 items
-rw-r--r--   2 root supergroup          0 2020-05-12 23:53 /user/hadoop/mapreduce/output1/_SUCCESS
-rw-r--r--   2 root supergroup         73 2020-05-12 23:53 /user/hadoop/mapreduce/output1/part-r-00000

查看part-r-00000:

[aaa@qq.com hadoop-2.7.2]# hadoop fs -cat /user/hadoop/mapreduce/output1/part-r-00000

实现MapReduce程序完成单词统计
实现MapReduce程序完成单词统计