阅读目录

• 序
• 数据准备
• wordcount
• Yarn
• 新建MapReduce
• 示例下载
• 系列索引

序

　　上一篇，我们的Eclipse插件搞定，那开始我们的MapReduce之旅。

　　在这里，我们先调用官方的wordcount例子，然后再手动创建个例子，这样可以更好的理解Job。

数据准备

一：说明

　　wordcount这个类是对不同的word进行统计个数，所以这里我们得准备数据，当然也不需要很大的数据量，毕竟是自己做试验对吧。

二：造数据

　　打开记事本，输入各种word，有相同的，不同的。然后保存为words_01.txt。

三：上传

　　打开eclipse，然后在DFS location 中将我们准备的数据源上传到tmp/input。

　　这样我们的数据就准备好了。

wordcount

一：官网示例

　　wordcount是hadoop的一个官网试例，打包在hadoop-mapreduce-examples-<ver>.jar。

　　2.7.1版本的地址：http://hadoop.apache.org/docs/r2.7.1/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html

二：找到示例

　　我们在结果中看到两个地方有，那就找个近一点的地方吧。

find / -name *hadoop-mapreduce-examples*

四：进入目录

　　我们选择进入/usr/hdp/下面的这个例子。

cd /usr/hdp/2.3.0.0-/hadoop-mapreduce

五：执行

　　我们先使用hadoop jar这个命令执行。

　　命令说明:hadoop jar 包名称 方法 输入文件/目录 输出目录

#切换用户

su hsfs

#执行

hadoop jar hadoop-mapreduce-examples-2.7.1.2.3.0.-.jar wordcount /tmp/input/words_01.txt /tmp/output/1007_01

　　命令执行结果

　　插件结果

　　job页面结果

　　这样我们的第一个job就这样顺利的执行完成了。

Yarn

一：介绍

　　Hadoop2.X和Hadoop1.X有两个最大的变化，也是根本性变化。

　　其中一个是Namenode的单点问题解决，然后就是Yarn的引入。在这里我们就不做展开的讲了，后面会安排章节进行讲述。

二：Yarn命令

　　如果仔细看的话，我们可以发现在上面hadoop jar这个命令执行后，会有一个警告。

yarn jar hadoop-mapreduce-examples-2.7.1.2.3.0.-.jar wordcount /tmp/input/words_01.txt /tmp/output/1007_02

新建MapReduce

一：通过插件新建工程

　　这里就不详说了，在上一篇我们通过插件建立了一个工程，我们直接使用那个工程“com.first”。

二：新建WordCountEx类

　　这个是我们的自定义的wordcount类，仿照官网例子写的，做了点DIY，方便大家理解。

　　完成后

三：新建Mapper

　　在WordCountEx类中建一个内部类MyMapper。

　　在这里我们做了点DIY,排除了字母长度小于5的数据，方便大家对比理解程序。

static class MyMapper extends Mapper<Object, Text, Text, IntWritable> {

        private final static IntWritable one = new IntWritable(1);

        private Text word = new Text();

        @Override

        protected void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context)

                throws IOException, InterruptedException {

            // 分割字符串

            StringTokenizer itr = new StringTokenizer(value.toString());

            while (itr.hasMoreTokens()) {

                // 排除字母少于5个的

                String tmp = itr.nextToken();

                if (tmp.length() < 5)

                    continue;

                word.set(tmp);

                context.write(word, one);

            }

        }

    }

四：新建Reduce

　　同上，我们将map的结果乘以2，然后输出的内容的key加了个前缀。

static class MyReduce extends Reducer<Text, IntWritable, Text, IntWritable> {

        private IntWritable result = new IntWritable();

        private Text keyEx = new Text();

        @Override

        protected void reduce(Text key, Iterable<IntWritable> values,

                Reducer<Text, IntWritable, Text, IntWritable>.Context context)

                        throws IOException, InterruptedException {

            int sum = 0;

            for (IntWritable val : values) {

                // 将map的结果放大，乘以2

                sum += val.get() * 2;

            }

            result.set(sum);

            // 自定义输出key

            keyEx.set("输出:" + key.toString());

            context.write(keyEx, result);

        }

    }

五：新建Main

　　在main方法中我们得定义一个job，配置它。

    public static void main(String[] args) throws Exception {

        //配置信息

        Configuration conf = new Configuration();

        //job名称

        Job job = Job.getInstance(conf, "mywordcount");

        job.setJarByClass(WordCountEx.class);

        job.setMapperClass(MyMapper.class);

        // job.setCombinerClass(IntSumReducer.class);

        job.setReducerClass(MyReduce.class);

        job.setOutputKeyClass(Text.class);

        job.setOutputValueClass(IntWritable.class);

        //输入、输出path

        FileInputFormat.addInputPath(job, new Path(args[0]));

        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        //结束

        System.exit(job.waitForCompletion(true) ? 0 : 1);

    }

六：导出jar包

　　导出我们写好的jar包。命名为com.first.jar

七：放入Linux

　　将导出的jar包放到H31的/var/tmp下

cd /var/tmp
ls

八：执行

　　大家仔细看下命令和结果会发现有什么不同

yarn jar com.first.jar  /tmp/input/words_01.txt /tmp/output/1007_03

　　如果是仔细看了，发现少个wordcount对吧，为什么列，因为在导出jar包的时候制定的main函数。

九：导出不指定main入口的jar包

　　我们在导出的时候，不指定main的入口。

十：执行2

　　我们发现这里就得多带一个参数了，就是方法的入口，这里得全路径。

 yarn jar com.first.jar com.first.WordCountEx /tmp/input/words_01.txt /tmp/output/1007_04

十一：结果

　　我们看下输出的结果，可以明显的看到少于5个长度的被排除了，而且结果的count都乘以了2。前缀乱码的不要纠结了，换个编码方式就好了。

--------------------------------------------------------------------

　　到此，本章节的内容讲述完毕。

示例下载

　Github:https://github.com/sinodzh/HadoopExample/tree/master/2015/com.first

系列索引

　　【源】从零自学Hadoop系列索引