1 代码和业务:
package mapreduce; import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; import java.net.URI; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.io.WritableComparable; 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; /** a b 1 a b 2 a b 3 c d 4 c d 5 c d 6 期待变成 a b 1,2,3 c d 4,5,6 * @author zm * */ public class ConcatWSMapReduce { public static class ConcatWSMapper extends Mapper<LongWritable, Text, ConcatWS, Text>{ /** * 每一行执行一次map函数 * @param key 表示字节在源文件中偏移量 * @param value 行文本内容 */ protected void map(LongWritable key, Text value, Context context) throws java.io.IOException ,InterruptedException { final String[] splited = value.toString().split("\t"); System.out.println("splited length is: " + splited.length); String col1 = splited[0]; String col2 = splited[1]; String col3 = splited[2]; System.out.println("col1: " + col1 + "col2: " + col2 + "col3: " + col3); context.write(new ConcatWS(col1,col2), new Text(col3)); }; } //分组:<hello,{1,1}><me,{1}><you,{1}>【把相同key的value放到一起】 reduce方法是每一组调用一次 左侧结果 为3组 则调用3次reduce方法 public static class ConcatWSReducer extends Reducer<ConcatWS, Text, Text, Text>{ /** * 每个组调用一次reduce函数 * @param word 表示单词 * @param times 表示相同key的value的迭代器 */ protected void reduce(ConcatWS ws, Iterable<Text> v2s, org.apache.hadoop.mapreduce.Reducer<ConcatWS,Text,Text,Text>.Context context) throws java.io.IOException ,InterruptedException { StringBuilder sb = new StringBuilder(""); for (Text col3 : v2s) { sb.append(col3.toString()).append(","); } System.out.println("reduce key content: " + ws.toString()); System.out.println("reduce val content: " + sb.toString()); context.write(new Text(ws.toString()), new Text(sb.toString())); }; } public static void main(String[] args) throws Exception { // 设置Job对象 final Configuration conf = new Configuration(); final Job job = new Job(conf); job.setJobName(ConcatWSMapReduce.class.getSimpleName()); job.setJarByClass(ConcatWSMapReduce.class); // 给Job对象设置自定义 mapper reducer job.setMapperClass(ConcatWSMapper.class); job.setReducerClass(ConcatWSReducer.class); // 设置map reduce输出参数类型 job.setMapOutputKeyClass(ConcatWS.class); job.setMapOutputValueClass(Text.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(Text.class); // 设置Job任务要处理的数据源和输出数据目的地 FileInputFormat.addInputPaths(job, "/zmdata/zm.txt"); // 注意是addInputPaths 用的是复数的方法 Path outputpath = new Path("/zmdata/zmout"); FileSystem fs = FileSystem.get(new URI("/"), conf); if(fs.exists(outputpath)){ fs.delete(outputpath, true); } FileOutputFormat.setOutputPath(job, outputpath); // 执行Job job.waitForCompletion(true); } // 注意写成内部public 类 否则执行mr时 会报不识别ConcatWS.source public static class ConcatWS implements WritableComparable<ConcatWS>{ private String col1 = ""; private String col2 = ""; public ConcatWS(){} public ConcatWS(String col1, String col2){ this.col1 = col1; this.col2 = col2; } @Override public void write(DataOutput out) throws IOException { out.writeUTF(col1); out.writeUTF(col2); } @Override public void readFields(DataInput in) throws IOException { this.col1 = in.readUTF(); this.col2 = in.readUTF(); } @Override public int compareTo(ConcatWS ws) { int result = 0; result = this.col1.compareTo(ws.col1); if(result == 0){ result = this.col2.compareTo(ws.col2); } return result; } @Override public String toString() { return col1 + "\t" + col2 ; } } }
2 本机使用ant脚本提交后执行,ant脚本如下:
<?xml version="1.0" encoding="UTF-8"?> <!-- 该文件与src文件夹、lib文件夹同一级 --> <project name="hadoop2测试项目" basedir="." default="sshexec"> <!--属性设置--> <property environment="env" /> <property file="build.properties" /> <property name="src.dir" value="${basedir}/src" /> <property name="java.lib.dir" value="${env.JAVA_HOME}/lib" /> <property name="classes.dir" value="${basedir}/classes" /> <property name="dist.dir" value="${basedir}/dist" /> <property name="project.lib.dir" value="${basedir}/lib" /> <property name="localpath.dir" value="${basedir}" /> <property name="remote.home" value="~"/> <!--可以修改:hadoop集群的hostname或者ip--> <property name="remote.hostname" value="hadoop3"/> <!--可以修改:登录hadoop集群所在linux的用户名--> <property name="remote.username" value="root"/> <!--可以修改:登录hadoop集群所在liniux的密码--> <property name="remote.password" value="123456"/> <!--可以修改:每次需要运行的main类,写到这里。运行时拼接为hadoop jar xxx.jar MainClass --> <property name="main.class" value="mapreduce.ConcatWSMapReduce"/> <!--可以修改:hadoop集群在linux的部署路径--> <property name="hadoop.path" value="/opt/hadoop-2.5.2"/> <!-- 基本编译路径设置 --> <path id="compile.classpath"> <fileset dir="${java.lib.dir}"> <include name="tools.jar" /> </fileset> <fileset dir="${project.lib.dir}"> <include name="*.jar" /> </fileset> </path> <!-- 运行路径设置 --> <path id="run.classpath"> <path refid="compile.classpath" /> <pathelement location="${classes.dir}" /> </path> <!-- 清理,删除临时目录 --> <target name="clean" description="清理,删除临时目录"> <!--delete dir="${build.dir}" /--> <delete dir="${dist.dir}" /> <delete dir="${classes.dir}" /> <echo level="info">清理完毕</echo> </target> <!-- 初始化,建立目录,复制文件 --> <target name="init" depends="clean" description="初始化,建立目录,复制文件"> <mkdir dir="${classes.dir}" /> <mkdir dir="${dist.dir}" /> </target> <!-- 编译源文件--> <target name="compile" depends="init" description="编译源文件"> <javac srcdir="${src.dir}" destdir="${classes.dir}" source="1.7" target="1.7" includeAntRuntime="false"> <classpath refid="compile.classpath" /> <compilerarg line="-encoding UTF-8 "/> </javac> </target> <!-- 打包类文件 --> <target name="jar" depends="compile" description="打包类文件"> <jar jarfile="${dist.dir}/jar.jar"> <fileset dir="${classes.dir}" includes="**/*.*" /> </jar> </target> <!--上传到服务器 **需要把lib目录下的jsch-0.1.51拷贝到$ANT_HOME/lib下,如果是Eclipse下的Ant环境必须在Window->Preferences->Ant->Runtime->Classpath中加入jsch-0.1.51。 --> <target name="ssh" depends="jar"> <scp file="${dist.dir}/jar.jar" todir="${remote.username}@${remote.hostname}:${remote.home}" password="${remote.password}" trust="true"/> </target> <target name="sshexec" depends="ssh"> <sshexec host="${remote.hostname}" username="${remote.username}" password="${remote.password}" trust="true" command="${hadoop.path}/bin/hadoop jar ${remote.home}/jar.jar ${main.class}"/> </target> </project>
3 执行的mr代码中写上了 sysotem.out 那么这些数据在哪里呢? 比如上面的输出:
上图所示,找到你执行mr任务的编号,进去后看如下图:
相关推荐
本文将针对"flink-shaded-hadoop-3-uber-3.1.1.7.1.1.0-565-9.0.jar.tar.gz"这一特定压缩包,探讨Flink 1.14.0如何与Hadoop 3.x实现兼容,并深入解析其背后的原理。 Flink 1.14.0是一个强大的流处理引擎,它提供了...
Apache Flink 是一个流行的开源大数据处理框架,而 `flink-shaded-hadoop-2-uber-2.7.5-10.0.jar.zip` 文件是针对 Flink 优化的一个特殊版本的 Hadoop 库。这个压缩包中的 `flink-shaded-hadoop-2-uber-2.7.5-10.0....
Hadoop是大数据处理领域的一个关键框架,它由Apache软件基金会维护,主要负责分布式存储和计算。`hadoop-common-2.6.0-bin-master.zip` 是一个针对Hadoop 2.6.0版本的压缩包,特别适用于在Windows环境下进行本地开发...
flink-shaded-hadoop-2-uber-2.7.5-10.0.jar
在IT行业中,大数据处理是一个至关重要的领域,而Hadoop作为开源的大数据处理框架,为开发者提供了强大的工具。本文将深入探讨如何使用Eclipse IDE结合hadoop-eclipse-plugin-2.6.0.jar插件,实现在Windows环境下...
Hadoop是Apache软件基金会开发的一个开源分布式计算框架,它的出现为大数据处理提供了高效、可靠的解决方案。Hadoop 2.7.4是Hadoop发展过程中的一个重要版本,它在Hadoop 2.x系列中引入了许多增强功能和修复了大量...
hadoop-annotations-3.1.1.jar hadoop-common-3.1.1.jar hadoop-mapreduce-client-core-3.1.1.jar hadoop-yarn-api-3.1.1.jar hadoop-auth-3.1.1.jar hadoop-hdfs-3.1.1.jar hadoop-mapreduce-client-hs-3.1.1.jar ...
例如,`hadoop fs -ls /`可以列出根目录下的所有文件和目录。 7. **MapReduce编程**:如果你打算在Windows上进行MapReduce编程,还需要配置开发环境,包括设置Hadoop的类路径,以及使用IDE(如IntelliJ IDEA或...
hadoop-mapreduce-examples-2.7.1.jar
Hadoop-Eclipse-Plugin-3.1.1是一款专为Eclipse集成开发环境设计的插件,用于方便地在Hadoop分布式文件系统(HDFS)上进行开发和调试MapReduce程序。这款插件是Hadoop生态系统的组成部分,它使得Java开发者能够更加...
Hadoop是Apache软件基金会的一个开源项目,主要由HDFS(Hadoop Distributed File System)和YARN(Yet Another Resource Negotiator)两大部分组成,用于构建分布式计算系统。在Hadoop 2.7.4中,HDFS提供了高容错性...
hudi-hadoop-mr-bundle-0.11.0.jar 配合文档
《Flink与Hadoop的深度整合:flink-shaded-hadoop-2-uber-2.6.5-10.0.zip详解》 在大数据处理领域,Apache Flink 和 Apache Hadoop 是两个不可或缺的重要组件。Flink作为一个实时流处理框架,以其高效的事件驱动和...
ambari-2.7.5 编译过程中四个大包下载很慢,所以需要提前下载,包含:hbase-2.0.2.3.1.4.0-315-bin.tar.gz ,hadoop-3.1.1.3.1.4.0-315.tar.gz , grafana-6.4.2.linux-amd64.tar.gz ,phoenix-5.0.0.3.1.4.0-315....
Flink-1.11.2与Hadoop3集成JAR包,放到flink安装包的lib目录下,可以避免Caused by: org.apache.flink.core.fs.UnsupportedFileSystemSchemeException: Hadoop is not in the ...这个报错,实现Flink与Hadoop的集成
Hadoop是大数据处理领域中的一个核心框架,由Apache软件基金会维护。它主要设计用于分布式存储和计算,使得大规模数据处理变得更加高效和便捷。Hadoop 2.7.3是Hadoop的一个版本,其中包含了`hadoop-common-2.7.3-bin...
Flink1.10.1编译hadoop2.7.2 编译flink-shaded-hadoop-2-uber
Ubuntu虚拟机HADOOP集群搭建eclipse环境 hadoop-eclipse-plugin-3.3.1.jar