第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

需求

计算出文件中每个单词的频数。要求输出结果按照单词的字母顺序进行排序。每个单词和其频数占一行,单词和频数之间有间隔。

比如,输入两个文件,其一内容如下:

hello world

hello hadoop

hello mapreduce

另一内容如下:

bye world

bye hadoop

bye mapreduce

对应上面给出的输入样例,其输出样例为:

bye        3

hadoop    2

hello      3

mapreduce   2

world     2

方案制定

对该案例,可设计出如下的MapReduce方案:

1. Map阶段各节点完成由输入数据到单词切分再到单词搜集的工作

2. shuffle阶段完成相同单词的聚集再到分发到各个Reduce节点的工作 (shuffle阶段是MapReduce的默认过程)

3. Reduce阶段负责接收所有单词并计算各自频数

代码示例

 /**
* Licensed under the Apache License, Version 2.0 (the "License");
* you may not use this file except in compliance with the License.
* You may obtain a copy of the License at
*
* http://www.apache.org/licenses/LICENSE-2.0
*
* Unless required by applicable law or agreed to in writing, software
* distributed under the License is distributed on an "AS IS" BASIS,
* WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
* See the License for the specific language governing permissions and
* limitations under the License.
*/ package org.apache.hadoop.examples; import java.io.IOException;
import java.util.StringTokenizer; //导入各种Hadoop包
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.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.GenericOptionsParser; // 主类
public class WordCount { // Mapper类
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{ // new一个值为1的整数对象
private final static IntWritable one = new IntWritable(1);
// new一个空的Text对象
private Text word = new Text(); // 实现map函数
public void map(Object key, Text value, Context context) throws IOException, InterruptedException { // 创建value的字符串迭代器
StringTokenizer itr = new StringTokenizer(value.toString()); // 对数据进行再次分割并输出map结果。初始格式为<字节偏移量,单词> 目标格式为<单词,频率>
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
} // Reducer类
public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { // new一个值为空的整数对象
private IntWritable result = new IntWritable(); // 实现reduce函数
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0;
for (IntWritable val : values) {
sum += val.get();
} // 得到本次计算的单词的频数
result.set(sum); // 输出reduce结果
context.write(key, result);
}
} // 主函数
public static void main(String[] args) throws Exception { // 获取配置参数
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); // 检查命令语法
if (otherArgs.length != 2) {
System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
} // 定义作业对象
Job job = new Job(conf, "word count");
// 注册分布式类
job.setJarByClass(WordCount.class);
// 注册Mapper类
job.setMapperClass(TokenizerMapper.class);
// 注册合并类
job.setCombinerClass(IntSumReducer.class);
// 注册Reducer类
job.setReducerClass(IntSumReducer.class);
// 注册输出格式类
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
// 设置输入输出路径
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); // 运行程序
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

运行方法

1. 打开Eclipse并启动Hdfs(方法请参考前文)

2. 新建一个MapReduce工程:”file" -> "new" -> "project",然后选择 "Map/Reduce Project"

  第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

3. 设置输入目录及文件

在项目工程包里面新建一个名为input的目录,里面存放需要处理的输入文件。这里选用2个文件名分别为file01和file02的文件进行测试。文件内容同需求示例。

第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

4. 将输入文件传输入Hdfs

在终端输入以下命令即可将整个目录传输进Hdfs(input目录下的所有文件将会被送进Hdfs下名为input01的目录里),请根据MapReduce工程包实际路径对如下命令略作修改即可:

 ./bin/hadoop fs -put ../workspace/Hadoop_t1/input/ input01

5. 在工程包中新建一个WordCount类并将上面的源代码拷贝进去。

6. 调整项目运行参数:右键项目 -> “Run As" -> ”Run Configurations"

第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

需要添加的就是"Program arguments"下的那些代码。它们其实是作为命令行参数传递进程序的,第一段是输入文件路径;第二段是输出文件路径。

路径的格式为 "[主机IP地址:hdfs端口] + [输入/输出目录在hdfs中的路径]"。

可以输入以下命令查看输入目录路径:

 ./bin/hadoop fs -ls

第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

7. 点击"Run"运行程序。

8. 执行以下命令查看结果:

 ./bin/hadoop fs -cat output01/*

第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

这些主机和Hdfs的文件传递,显示也可以使用Eclipse,更方便容易。在此就不提了。

  第六篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)

小结

1. 多多熟练Hadoop平台下MapReduce项目基本创建流程。

2. WordCount是一个很经典的Hadoop示例,它虽然简单,但具有很大的代表性。

3. 从某个程度上来说也反映了其设计的初衷,对日志文件的分析。

上一篇:Eclipse上运行第一个Hadoop实例 - WordCount(单词统计程序)


下一篇:jquery.validate 以alert方式显示错误方法