`

Hadoop实例WordCount程序一步一步运行

 
阅读更多

虽说现在用Eclipse下开发Hadoop程序很方便了,但是命令行方式对于小程序开发验证很方便。这是初学hadoop时的笔记,记录下来以备查。

  1. 经典的WordCound程序(WordCount.java),可参见 hadoop0.18文档

import java.io.IOException;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class WordCount extends Configured implements Tool {

public static class MapClass extends MapReduceBase implements
Mapper
<LongWritable, Text, Text, IntWritable> {

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

public void map(LongWritable key, Text value,
OutputCollector
<Text, IntWritable> output, Reporter reporter)
throws IOException {
String line 
= value.toString();
StringTokenizer itr 
= new StringTokenizer(line);
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
output.collect(word, one);
}
}
}

/**
* A reducer class that just emits the sum of the input values.
*/
public static class Reduce extends MapReduceBase implements
Reducer
<Text, IntWritable, Text, IntWritable> {

public void reduce(Text key, Iterator<IntWritable> values,
OutputCollector
<Text, IntWritable> output, Reporter reporter)
throws IOException {
int sum = 0;
while (values.hasNext()) {
sum 
+= values.next().get();
}
output.collect(key, 
new IntWritable(sum));
}
}

static int printUsage() {
System.out.println(
"wordcount [-m <maps>] [-r <reduces>] <input> <output>");
ToolRunner.printGenericCommandUsage(System.out);
return -1;
}

/**
* The main driver for word count map/reduce program. Invoke this method to
* submit the map/reduce job.
*
@throws IOException
* When there is communication problems with the job tracker.
*/
public int run(String[] args) throws Exception {
JobConf conf 
= new JobConf(getConf(), WordCount.class);
conf.setJobName(
"wordcount");

// the keys are words (strings)
conf.setOutputKeyClass(Text.class);
// the values are counts (ints)
conf.setOutputValueClass(IntWritable.class);

conf.setMapperClass(MapClass.
class);
conf.setCombinerClass(Reduce.
class);
conf.setReducerClass(Reduce.
class);

List
<String> other_args = new ArrayList<String>();
for (int i = 0; i < args.length; ++i) {
try {
if ("-m".equals(args[i])) {
conf.setNumMapTasks(Integer.parseInt(args[
++i]));
else if ("-r".equals(args[i])) {
conf.setNumReduceTasks(Integer.parseInt(args[
++i]));
else {
other_args.add(args[i]);
}
catch (NumberFormatException except) {
System.out.println(
"ERROR: Integer expected instead of "
+ args[i]);
return printUsage();
catch (ArrayIndexOutOfBoundsException except) {
System.out.println(
"ERROR: Required parameter missing from "
+ args[i - 1]);
return printUsage();
}
}

// Make sure there are exactly 2 parameters left.
if (other_args.size() != 2) {
System.out.println(
"ERROR: Wrong number of parameters: "
+ other_args.size() + " instead of 2.");
return printUsage();
}
FileInputFormat.setInputPaths(conf, other_args.get(
0));
FileOutputFormat.setOutputPath(conf, 
new Path(other_args.get(1)));

JobClient.runJob(conf);
return 0;
}

public static void main(String[] args) throws Exception {
int res = ToolRunner.run(new Configuration(), new WordCount(), args);
System.exit(res);
}

}

  2. 保证hadoop集群是配置好了的,单机的也好。新建一个目录,比如 /home/admin/WordCount
  编译WordCount.java程序。

javac -classpath /home/admin/hadoop/hadoop-0.19.1-core.jar WordCount.java -/home/admin/WordCount

  3. 编译完后在/home/admin/WordCount目录会发现三个class文件 WordCount.class,WordCount$Map.class,WordCount$Reduce.class。
  cd 进入 /home/admin/WordCount目录,然后执行:

jar cvf WordCount.jar *.class

  就会生成 WordCount.jar 文件。

  4. 构造一些输入数据
  input1.txt和input2.txt的文件里面是一些单词。如下:

[admin@host WordCount]$ cat input1.txt
Hello, i love china
are you ok
?
[admin@host WordCount]$ cat input2.txt
hello, i love word
You are ok

  在hadoop上新建目录,和put程序运行所需要的输入文件:

hadoop fs -mkdir /tmp/input
hadoop fs 
-mkdir /tmp/output
hadoop fs 
-put input1.txt /tmp/input/
hadoop fs 
-put input2.txt /tmp/input/

  5. 运行程序,会显示job运行时的一些信息。

[admin@host WordCount]$ hadoop jar WordCount.jar WordCount /tmp/input /tmp/output
10/09/16 22:49:43 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
10/09/16 22:49:43 INFO mapred.FileInputFormat: Total input paths to process :2
10/09/16 22:49:43 INFO mapred.JobClient: Running job: job_201008171228_76165
10/09/16 22:49:44 INFO mapred.JobClient: map 0% reduce 0%
10/09/16 22:49:47 INFO mapred.JobClient: map 100% reduce 0%
10/09/16 22:49:54 INFO mapred.JobClient: map 100% reduce 100%
10/09/16 22:49:55 INFO mapred.JobClient: Job complete: job_201008171228_76165
10/09/16 22:49:55 INFO mapred.JobClient: Counters: 16
10/09/16 22:49:55 INFO mapred.JobClient: File Systems
10/09/16 22:49:55 INFO mapred.JobClient: HDFS bytes read=62
10/09/16 22:49:55 INFO mapred.JobClient: HDFS bytes written=73
10/09/16 22:49:55 INFO mapred.JobClient: Local bytes read=152
10/09/16 22:49:55 INFO mapred.JobClient: Local bytes written=366
10/09/16 22:49:55 INFO mapred.JobClient: Job Counters
10/09/16 22:49:55 INFO mapred.JobClient: Launched reduce tasks=1
10/09/16 22:49:55 INFO mapred.JobClient: Rack-local map tasks=2
10/09/16 22:49:55 INFO mapred.JobClient: Launched map tasks=2
10/09/16 22:49:55 INFO mapred.JobClient: Map-Reduce Framework
10/09/16 22:49:55 INFO mapred.JobClient: Reduce input groups=11
10/09/16 22:49:55 INFO mapred.JobClient: Combine output records=14
10/09/16 22:49:55 INFO mapred.JobClient: Map input records=4
10/09/16 22:49:55 INFO mapred.JobClient: Reduce output records=11
10/09/16 22:49:55 INFO mapred.JobClient: Map output bytes=118
10/09/16 22:49:55 INFO mapred.JobClient: Map input bytes=62
10/09/16 22:49:55 INFO mapred.JobClient: Combine input records=14
10/09/16 22:49:55 INFO mapred.JobClient: Map output records=14
10/09/16 22:49:55 INFO mapred.JobClient: Reduce input records=14

  6. 查看运行结果

[admin@host WordCount]$ hadoop fs -ls /tmp/output/
Found 
2 items
drwxr
-x--- - admin admin 0 2010-09-16 22:43 /tmp/output/_logs
-rw-r----- 1 admin admin 102 2010-09-16 22:44 /tmp/output/part-00000
[admin@host WordCount]$ hadoop fs 
-cat /tmp/output/part-00000
Hello, 
1
You 
1
are 
2
china 
1
hello, 
1
2
love 
2
ok 
1
ok
? 1
word 
1
you 
1
分享到:
评论

相关推荐

    hadoop运行wordcount实例

    ### Hadoop运行WordCount实例详解 #### 一、Hadoop简介与WordCount程序的重要性 Hadoop 是一个由Apache基金会所开发的分布式系统基础架构。它能够处理非常庞大的数据集,并且能够在集群上运行,通过将大数据分割...

    ubuntu运行hadoop的wordcount

    ### Ubuntu上运行Hadoop WordCount实例详解 #### 一、环境搭建与配置 在Ubuntu系统上部署并运行Hadoop WordCount实例,首先需要确保已经安装了Hadoop环境,并且版本为hadoop-0.20.2。此版本较旧,主要用于教学或...

    hadoop之wordcount例程代码

    运行WordCount程序时,Hadoop会自动将数据分发到集群的各个节点上,每个节点上的TaskTracker会执行对应的Map任务。当Map任务完成,中间结果会被排序和分区,然后传递给Reduce任务。Reduce任务最终将结果写回到HDFS,...

    hadoop的wordcount简单实例

    这是一个wordcount的一个简单实例jar包,仅仅用来做测试。 map类:org.apache.hadoop.wordcount.WordCountMapReduce$WordCountMapper reduce类 org.apache.hadoop.wordcount.WordCountMapReduce$WordCountReducer

    Hadoop的WordCount实例代码

    总之,Hadoop的WordCount实例是学习和理解分布式计算的一个重要起点,它展示了如何利用Hadoop框架进行数据处理,同时也为更复杂的分布式应用程序开发提供了基础。通过对WordCount的深入研究,我们可以更好地理解和...

    hadoop实现wordcount

    总结来说,"hadoop实现wordcount"是一个利用Hadoop的MapReduce模型处理大规模文本数据的实例,不仅可以统计词频,还可以扩展到情感分析等复杂任务。这个过程涉及到数据分片、并行处理、结果聚合等多个关键步骤,对于...

    WordCount2_hadoopwordcount_

    在标题中的"WordCount2_hadoopwordcount_"可能指的是Hadoop WordCount的第二个版本,通常是在Hadoop 2.x环境下运行。这个程序的核心任务是对输入文本进行分词,统计每个单词出现的次数,并将结果输出。在这个过程中...

    hadoop-1.2.1运行WordCount

    ### Hadoop-1.2.1 运行WordCount实例详解 #### 一、环境准备与搭建 在开始运行WordCount实例之前,首先确保已经按照之前的步骤完成了Hadoop-1.2.1环境的搭建。这包括但不限于安装JDK、配置Hadoop环境变量以及设置...

    hadoop demo wordcount

    学习Hadoop WordCount实例,你可以深入了解以下知识点: 1. Hadoop环境搭建:包括安装Hadoop,配置Hadoop集群(单机或伪分布式),以及设置Hadoop环境变量。 2. MapReduce编程模型:理解Map和Reduce函数的工作原理...

    Hadoop环境搭建及wordcount实例运行.pdf

    Hadoop环境搭建及wordcount实例运行.pdf

    hadoop的wordcount实例代码

    Hadoop的WordCount实例代码解析 Hadoop的WordCount实例代码是Hadoop MapReduce编程模型的经典示例,通过对大文件中的单词出现次数的统计,展示了MapReduce编程模型的基本思想和实现细节。 Hadoop MapReduce编程...

    Java实现Hadoop下词配对Wordcount计数代码实现

    通过这个Wordcount实例,我们可以学习到Hadoop MapReduce的基本工作原理,同时也可以了解到如何在Java中编写Hadoop程序。这只是一个基本的应用,实际的Hadoop项目可能会涉及更复杂的逻辑和优化,如分块、分区、压缩...

    eclipse hadoop插件安装 运行WordCount

    3. **WordCount示例**:解释如何在Eclipse中创建和运行WordCount程序,提供了一个理解Hadoop MapReduce编程模型的实例。 4. **文档与截图**:提供的文档和截图帮助用户更好地理解每个步骤,确保能够顺利完成安装和...

    Hadoop集群中WordCount示例

    通过上述介绍,我们可以了解到在Hadoop集群中运行WordCount程序的基本流程。尽管WordCount示例非常简单,但它却是理解Hadoop工作原理的一个很好的起点。对于想要深入学习Hadoop的开发者来说,掌握WordCount程序是...

    hadoop学习之wordCount以及文件上传demo,经测试通过

    通过WordCount实例,我们可以了解Hadoop的分布式计算原理;通过文件上传,我们能掌握HDFS的读写操作。这些知识对于任何想要进入Hadoop领域的开发者来说都是至关重要的起点。在实际应用中,开发者可以根据需求对这些...

    hadoop学习---运行第一个hadoop实例.docx

    ### Hadoop学习——运行第一个Hadoop实例 在深入探讨如何运行Hadoop的第一个实例之前,我们需要先了解Hadoop的基本概念以及其工作原理。Hadoop是一种分布式计算框架,它允许用户处理和存储大量的数据集。Hadoop的...

    hadoop eclips 的插件 和实例程序

    本篇文章将详细介绍Hadoop Eclipse插件的安装与使用,以及通过Eclipse创建和运行Hadoop实例程序的方法。 一、Hadoop Eclipse插件安装 1. 下载Hadoop Eclipse插件:通常,你可以从Apache Hadoop官方网站或第三方...

    cygwin+eclipse搭建hadoop开发环境,运行wordcount

    "Hadoop环境搭建及wordcount实例运行"文档将带你了解Hadoop的基本工作流程,通过运行经典的WordCount程序来实践。WordCount是Hadoop入门的经典例子,它统计文本文件中每个单词出现的次数。你将学习如何创建MapReduce...

    Hadoop经典如门代码实例教程wordCount项目源码

    代码是基于windows系统下搭建eclipse+hadoop2.8.3开发实例。使用eclipse直接导入代码使用的前提是,需要在本地配置要hadoop2.8.3,本代码亲测可用,能够详细地统计出dataNode下面的file3.txt文件中单词的个数。

Global site tag (gtag.js) - Google Analytics