配好了hadoop的运行环境,也成功运行了hadoop的例子,接下来仿照hadoop的例子写一个程序在hadoop环境中运行一下。
首先,利用HDFS创建一个文件并写入10000个单词,程序如下
package com.yeepay.hadoop.hdfs;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
public class HDFSOperator {
/**
* @param args
*/
public static void main(String[] args) {
// 创建hadoop的配置对象,由name-value这样的一对属性组成,具体形式可参考hadoop的配置文件如core-site.xml
Configuration configuration = new Configuration();
try {
// 根据配置获取文件系统的实例
FileSystem fileSystem = FileSystem.get(configuration);
// 指定文件的位置
Path path = new Path("test/HDFSOperator.txt");
// 获取输出流
FSDataOutputStream os = fileSystem.create(path, true);
System.out.println("start to write file");
for (int i = 0; i < 10000; i++) {
// 向输出流里写入字符
os.writeChars("test ");
}
os.close();
System.out.println("finish to write file");
} catch (IOException e) {
e.printStackTrace();
}
return;
}
}
然后利用hadoop的MapReduce计算这个文件的字数,程序如下(参考WordCount例子)
package com.yeepay.hadoop.mapreduce;
import java.io.IOException;
import java.util.StringTokenizer;
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;
public class WordCount {
public static class TokenizerMapper extends
Mapper<Object, Text, Text, IntWritable> {
private static final IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
StringTokenizer stringTokenizer = new StringTokenizer(
value.toString());
System.out.println("TokenizerMapper : current key is " + key.toString());
System.out.println("TokenizerMapper : current value is " + value.toString());
while (stringTokenizer.hasMoreTokens()) {
word.set(stringTokenizer.nextToken());
context.write(word, one);
}
}
}
public static class IntSumReducer extends
Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
System.out.println("IntSumReducer : current key is " + key.toString());
int sum = 0;
for (IntWritable value : values) {
sum = sum + value.get();
System.out.println("IntSumReducer : current sum is " + sum + " current value is " + value);
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args)
.getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println("Usage:wordcount <int> <out>");
System.exit(2);
}
System.out.println("arg0 is : " + otherArgs[0]);
System.out.println("arg1 is : " + otherArgs[1]);
System.out.println("start to create job...");
Job job = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
将工程导出成jar包hadoop-sample.jar,然后copy到NameNode上。
首先执行HDFSOperator类
root@wenbo00:/home/wenbo# hadoop jar hadoop-sample.jar com.yeepay.hadoop.hdfs.HDFSOperator
执行命令hadoop fs -lsr 查看结果
drwxr-xr-x - root supergroup 0 2012-03-13 19:44 /user/root/input
-rw-r--r-- 1 root supergroup 22 2012-03-13 19:44 /user/root/input/file01
-rw-r--r-- 1 root supergroup 28 2012-03-13 19:44 /user/root/input/file02
drwxr-xr-x - root supergroup 0 2012-03-15 03:16 /user/root/output
-rw-r--r-- 1 root supergroup 0 2012-03-15 03:16 /user/root/output/_SUCCESS
drwxr-xr-x - root supergroup 0 2012-03-15 03:16 /user/root/output/_logs
drwxr-xr-x - root supergroup 0 2012-03-15 03:16 /user/root/output/_logs/history
-rw-r--r-- 1 root supergroup 16068 2012-03-15 03:16 /user/root/output/_logs/history/job_201203150214_0003_1331806561441_root_word+count
-rw-r--r-- 1 root supergroup 20296 2012-03-15 03:16 /user/root/output/_logs/history/job_201203150214_0003_conf.xml
-rw-r--r-- 1 root supergroup 49 2012-03-15 03:16 /user/root/output/part-r-00000
drwxr-xr-x - root supergroup 0 2012-03-15 03:33 /user/root/test
-rw-r--r-- 1 root supergroup 100000 2012-03-15 03:33 /user/root/test/HDFSOperator.txt
可以看到在test文件加下已经成功创建了HDFSOperator.txt文件
然后执行WordCount类
root@wenbo00:/home/wenbo# hadoop jar hadoop-sample.jar com.yeepay.hadoop.mapreduce.WordCount test testout
可以看到输出结果为
arg0 is : test
arg1 is : testout
start to create job...
****hdfs://wenbo00:9000/user/root/test
12/03/15 03:34:40 INFO input.FileInputFormat: Total input paths to process : 1
12/03/15 03:34:40 INFO mapred.JobClient: Running job: job_201203150214_0004
12/03/15 03:34:41 INFO mapred.JobClient: map 0% reduce 0%
12/03/15 03:34:54 INFO mapred.JobClient: map 100% reduce 0%
12/03/15 03:35:06 INFO mapred.JobClient: map 100% reduce 100%
12/03/15 03:35:11 INFO mapred.JobClient: Job complete: job_201203150214_0004
12/03/15 03:35:11 INFO mapred.JobClient: Counters: 29
12/03/15 03:35:11 INFO mapred.JobClient: Job Counters
12/03/15 03:35:11 INFO mapred.JobClient: Launched reduce tasks=1
12/03/15 03:35:11 INFO mapred.JobClient: SLOTS_MILLIS_MAPS=14358
12/03/15 03:35:11 INFO mapred.JobClient: Total time spent by all reduces waiting after reserving slots (ms)=0
12/03/15 03:35:11 INFO mapred.JobClient: Total time spent by all maps waiting after reserving slots (ms)=0
12/03/15 03:35:11 INFO mapred.JobClient: Rack-local map tasks=1
12/03/15 03:35:11 INFO mapred.JobClient: Launched map tasks=1
12/03/15 03:35:11 INFO mapred.JobClient: SLOTS_MILLIS_REDUCES=10869
12/03/15 03:35:11 INFO mapred.JobClient: File Output Format Counters
12/03/15 03:35:11 INFO mapred.JobClient: Bytes Written=16
12/03/15 03:35:11 INFO mapred.JobClient: FileSystemCounters
12/03/15 03:35:11 INFO mapred.JobClient: FILE_BYTES_READ=22
12/03/15 03:35:11 INFO mapred.JobClient: HDFS_BYTES_READ=100116
12/03/15 03:35:11 INFO mapred.JobClient: FILE_BYTES_WRITTEN=43033
12/03/15 03:35:11 INFO mapred.JobClient: HDFS_BYTES_WRITTEN=16
12/03/15 03:35:11 INFO mapred.JobClient: File Input Format Counters
12/03/15 03:35:11 INFO mapred.JobClient: Bytes Read=100000
12/03/15 03:35:11 INFO mapred.JobClient: Map-Reduce Framework
12/03/15 03:35:11 INFO mapred.JobClient: Map output materialized bytes=22
12/03/15 03:35:11 INFO mapred.JobClient: Map input records=1
12/03/15 03:35:11 INFO mapred.JobClient: Reduce shuffle bytes=22
12/03/15 03:35:11 INFO mapred.JobClient: Spilled Records=2
12/03/15 03:35:11 INFO mapred.JobClient: Map output bytes=140000
12/03/15 03:35:11 INFO mapred.JobClient: CPU time spent (ms)=3420
12/03/15 03:35:11 INFO mapred.JobClient: Total committed heap usage (bytes)=176099328
12/03/15 03:35:11 INFO mapred.JobClient: Combine input records=10000
12/03/15 03:35:11 INFO mapred.JobClient: SPLIT_RAW_BYTES=116
12/03/15 03:35:11 INFO mapred.JobClient: Reduce input records=1
12/03/15 03:35:11 INFO mapred.JobClient: Reduce input groups=1
12/03/15 03:35:11 INFO mapred.JobClient: Combine output records=1
12/03/15 03:35:11 INFO mapred.JobClient: Physical memory (bytes) snapshot=238370816
12/03/15 03:35:11 INFO mapred.JobClient: Reduce output records=1
12/03/15 03:35:11 INFO mapred.JobClient: Virtual memory (bytes) snapshot=1004232704
12/03/15 03:35:11 INFO mapred.JobClient: Map output records=10000
最终计算的数字为10000,程序执行完成。
遇到的问题:
两个程序的执行没有任何输出结果
原因:没有写程序的退出语句,如HDFSOperator中的return语句和WordCount中的System.exit语句。
分享到:
相关推荐
实验2的目的是在Hadoop平台上部署WordCount程序,以此来理解和体验云计算的基础应用。这个实验主要涉及以下几个关键知识点: 1. **Linux系统基础**:实验要求学生具备Linux系统的使用知识,包括基本的命令行操作、...
Hadoop作为开源分布式系统基础架构,由Apache基金会开发,允许用户在不了解分布式底层细节的情况下开发分布式程序,充分利用集群的威力进行高速运算和存储。它解决了大数据存储和处理的问题,尤其适合处理非结构化...
3. **MapReduce**:深入学习Map函数和Reduce函数的编写,以及作业提交和执行流程,理解shuffle和sort过程。 4. **YARN**:作为Hadoop的资源管理系统,YARN负责任务调度和集群资源分配,学习如何管理和优化资源使用。...
Hadoop学习笔记,自己总结的一些Hadoop学习笔记,比较简单。
**Hadoop学习笔记详解** Hadoop是一个开源的分布式计算框架,由Apache基金会开发,主要用于处理和存储海量数据。它的核心组件包括HDFS(Hadoop Distributed File System)和MapReduce,两者构成了大数据处理的基础...
### 在Windows上使用Eclipse编写Hadoop应用程序 #### 前言 随着大数据技术的不断发展,Hadoop作为处理大规模数据集的重要工具之一,在企业和研究机构中得到了广泛应用。Hadoop主要由两个部分组成:Hadoop分布式...
### Hadoop学习必看路线图概览 #### 一、Linux与Python基础 - **Linux安装及基本操作**:这是Hadoop学习的基础,包括Linux系统的安装、常用的命令行操作(如文件管理、进程管理等)。熟悉Linux环境对于后续的学习...
Hadoop 学习笔记.md
【标题】:“Hadoop学习整理的文档” 【文档概述】: Hadoop是Apache软件基金会开发的一个开源分布式计算框架,主要用于处理和存储大规模数据。这个文档集合可能是针对Hadoop初学者或者希望深入理解Hadoop生态系统...
三、Hadoop学习笔记之三:用MRUnit做单元测试 MRUnit是针对MapReduce任务的单元测试框架,它允许开发者对MapReduce作业进行单元测试,确保每个Mapper和Reducer的功能正确性。通过MRUnit,可以在不实际运行Hadoop集群...
接着,安装Hadoop-Eclipse-Plugin插件,该插件允许开发者在Eclipse中直接编写、调试和运行MapReduce程序。配置插件时,要确保指向正确的Hadoop安装路径,以便Eclipse能识别Hadoop环境。通过Eclipse操作HDFS文件,...
读者将了解到如何编写MapReduce程序,以及如何优化MapReduce作业以提高性能和效率。 最后,我们来看《Hadoop技术内幕 深入解析YARN》。YARN作为Hadoop 2.x引入的全新资源管理系统,负责集群资源的管理和作业调度,...
它包含必要的工具和资源,帮助你配置Hadoop环境,编写并执行MapReduce程序,从而深入理解分布式计算的核心概念。在学习过程中,记得结合文档资料,实践操作,不断调试和优化,才能更好地掌握这一技术。
有计划的安排大数据的学习之路,可以在对Hadoop的学习规划上有一个更清晰的目标!
“Hadoop学习总结之三:Map-Reduce入门.doc”介绍了MapReduce编程模型,它是Hadoop处理数据的主要计算框架。Map阶段将输入数据分割成键值对,通过映射函数进行初步处理;Reduce阶段则将Map的输出聚合,通过化简函数...
大数据之Hadoop学习教程+笔记合计_超详细完整.zip
本文将深入探讨基于Hadoop的搜索引擎离线处理程序,以及其中涉及的主要组件和技术。 首先,我们要理解Hadoop是什么。Hadoop是一个开源框架,由Apache软件基金会维护,主要用于处理和存储大量数据。它实现了分布式...
《Hadoop倒排索引程序:并行框架下的文本处理技术》 在现代大数据处理领域,Hadoop作为...对于学习Hadoop和大数据处理的开发者来说,这是一个极具价值的案例,可以帮助他们深入理解并行计算和分布式索引的原理与实践。