MaperReduce实验

MaperReduce实现WordCount程序二次排序

前期准备

  • 启动Zookeeper

./zkServer.sh start
  • 启动HDFS

start-dfs.sh
  • 启动Yarn

start-yarn.sh
  • 将要处理的数据文件上传到HDFS

  ##这里数据文件名为wordcount.txt,目标存放路径为hdfs:/wc/srcdata/
##在HDFS根目录下创建wc目录
hadoop fs -mkdir /wc ##创建srcdata目录
hadoop fs -mkdir /wc/srcdata ##上传wordcount.txt
hadoop fs -put wordcount.txt /wc/srcdata ##不需要创建输出目录,否则会报错

1. 工程结构

MaperReduce实验

  • 导入common核心包及其依赖包
  • 导入mapreduce包及其依赖包
  • 导入tools包及其依赖

    MaperReduce实验

2. 编写自定义NewKey类

package cn.hadoop.mr.wordcount;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException; import org.apache.hadoop.io.WritableComparable; /*
* newKey是自定义的数据类型,要在hadoop的各个节点之间传输,应该遵循hadoop的序列化机制
* 就必须实现hadoop相应的序列化接口
*/ public class NewKey implements WritableComparable<NewKey>{ private String word; //反序列化时,反射机制需要调用空参构造函数,所以显示定义了一个空参构造函数
public NewKey() {} //初始化对象
public NewKey(String word) {
this.word = word;
} public String getWord() {
return word;
} public void setWord(String word) {
this.word = word;
} //从数据流中反序列化出对象的数据
//从数据流中读出对象字段时,必须与序列化时的顺序一致
@Override
public void readFields(DataInput in) throws IOException { word = in.readUTF();
} //将对象数据序列化到流中
@Override
public void write(DataOutput out) throws IOException { out.writeUTF(word);
} @Override
public String toString() { return word;
} //实现倒序排序
@Override
public int compareTo(NewKey o) {
return o.getWord().compareToIgnoreCase(word);
} }

3. 编写WCMapper类

package cn.hadoop.mr.wordcount;

import java.io.IOException;

import org.apache.commons.lang.StringUtils;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper; //四个泛型中,前两个时指定mapper输入数据的类型,KEYIN是输入的key的类型,VALUE是输入的value的类型
//map和reduce的数据输入输出都是以key-value对的形式封装的
//默认情况下,框架传递给我们的mapper的输入数据中,key是要处理的文本中一行的起始偏移量,这一行的内容作为value
//mapreduce框架将Long类型封装为可序列化的LongWriteble类型,String封装为Text
public class WCMapper extends Mapper<LongWritable, Text, NewKey, LongWritable>{ //mapreduce框架每读一行数据就调用一次该方法
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException { //具体的业务处理逻辑在该方法中编写,业务处理所需的数据由框架进行传递,在方法的参数中体现key-value
//key是这一行数据的起始偏移量,value是这一行的文本内容 //将这一行内容转化为string类型
String line=value.toString(); //调用Hadoop工具类对这一行文本按特定分隔符切分
String[] words = StringUtils.split(line," "); //遍历单词数组输出到context中,输出为key-value形式,key为单词,value为1
for(String word:words) {
context.write(new NewKey(word), new LongWritable(1));
} }
}

4. 编写WCReduer类

package cn.hadoop.mr.wordcount;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.mapreduce.Reducer; public class WCReucer extends Reducer<NewKey, LongWritable, NewKey, LongWritable>{ //框架在map处理完成之后,缓存所有k-v对,根据k进行分组(相同k为同一组)后传递<key,value{}>,对每一组k调用一次reduce方法
//<hello,{1,1,1,1....}>
@Override
protected void reduce(NewKey key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException { long count =0;
//遍历values进行累加求和
for(LongWritable value : values) { count += value.get();
} //输出这一个单词的统计结果 context.write(key, new LongWritable(count));
} }

5. 编写作业描述类

package cn.hadoop.mr.wordcount;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.mapreduce.Job;
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; /**
* 用来描述一个特定的作业
* 例如:
* 指定该作业所使用的map类和reduce类;
* 指定作业所需输入数据的存放路径;
* 指定作业输出结果存放路径
* @author Administrator
*
*/
public class WCRunner extends Configured implements Tool{ @Override
public int run(String[] arg0) throws Exception { //配置文件
Configuration conf = new Configuration();
Job job = Job.getInstance(conf); //设置整个job所调用类的jar包路径
job.setJarByClass(WCRunner.class); //设置该作业所使用的mapper和reducer类
job.setMapperClass(WCMapper.class);
job.setReducerClass(WCReucer.class); //指定mapper输出数据的k-v类型,和reduce输出类型一样,可缺省
job.setMapOutputKeyClass(NewKey.class);
job.setOutputValueClass(LongWritable.class); //指定reduce输出数据的k-v类型
job.setOutputKeyClass(NewKey.class);
job.setOutputValueClass(LongWritable.class); //指定输入数据存放路径
FileInputFormat.setInputPaths(job, new Path(arg0[0])); //指定输出数据存放路径
FileOutputFormat.setOutputPath(job, new Path(arg0[1])); //将job提交给集群运行,参数为true表示提示运行进度
return job.waitForCompletion(true)?0:1;
} public static void main(String[] args) throws Exception { int res = ToolRunner.run(new Configuration(), new WCRunner(), args); System.exit(res);
} }

6. 将工程打包

注:工程所使用的JDK版本必须和Hadoop所使用的JDK版本一致

MaperReduce实验

``

8. 查看输出结果

##查看指定的输出路径是否生成文件
hadoop fs -ls /wc/output ##查看运行结果 hadoop fs -cat /wc/output/part-r-00000

结果如图所示

MaperReduce实验

上一篇:解决Error: ENOENT: no such file or directory, scandir 'D:\IdeaWork\code-front-jet\node_modules\.npminstall\node-sass\3.7.0\node-sass\vendor'


下一篇:Office 365开发环境概览