从网上找了一个测试例子,统计文本中指定某个单词出现的次数。
调试了下发现几个bug,我把修改后的分享下。
eclipse下编译
vm参数:-Xms64m -Xmx512m
程序参数
package com.run.ayena.distributed.test;
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;
////统计文本中指定某个单词出现的次数
public class SingleWordCount {
public static class SingleWordCountMapper extends
Mapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text val = new Text();
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
String keyword = context.getConfiguration().get("word");
while (itr.hasMoreTokens()) {
String nextkey = itr.nextToken();
if (nextkey.trim().equals(keyword)) {
val.set(nextkey);
context.write(val, one);
} else {
// do nothing
}
}
}
}
public static class SingleWordCountReducer extends
Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
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 != 3) {
System.err.println("Usage: wordcount ");
System.exit(2);
}
// 输入指定的单词
conf.set("word", otherArgs[2]);
// 指定系统路
conf.set("mapred.system.dir", "/cygdrive/e/workspace_hadoop/SingleWordCount/");
// 设置运行的job名称
Job job = new Job(conf, "word count");
// 设置运行的job类
job.setJarByClass(SingleWordCount.class);
// 设置Mapper
job.setMapperClass(SingleWordCountMapper.class);
// 设置本地聚合类,该例本地聚合类同Reduer类
job.setCombinerClass(SingleWordCountReducer.class);
// 设置Reduer
job.setReducerClass(SingleWordCountReducer.class);
// 设置Map的输出
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
// 设置Reducer输出的key类型
job.setOutputKeyClass(Text.class);
// 设置Reducer输出的value类型
job.setOutputValueClass(IntWritable.class);
// 设置输入和输出的目录
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
// 执行,直到结束就退出
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
分享到:
相关推荐
在这个“weekend110--rpcserver”和“weekend110”的小测试例子中,我们可以预期看到吴超老师如何创建一个简单的RPC服务器和客户端。可能包含以下内容: - 服务器端实现一个接口,该接口定义了可供客户端调用的方法...
【标题】中的“hadoop scala spark 例子项目,运行了单机wordcount”指的是一个使用Hadoop、Scala和Spark框架实现的简单WordCount程序。在大数据处理领域,WordCount是入门级的经典示例,用于统计文本文件中单词出现...
在这个“hadoop简单单词统计”的项目中,我们看到了开发者首次尝试使用Hadoop进行程序编写,实现了对文本数据进行单词统计的功能。这个过程中涉及到的核心知识点包括Hadoop的MapReduce编程模型、Hadoop分布式文件...
3. **解压Hadoop**:使用`tar`命令解压下载的文件,例如 `tar -zxvf centos6.5-hadoop-2.6.4.tar.gz`,这将在当前目录下创建一个名为 `hadoop-2.6.4` 的目录。 4. **配置Hadoop**:编辑 `hadoop-2.6.4/etc/hadoop` ...
WordCount是MapReduce中的一个经典示例,它演示了如何利用该框架进行数据处理。在这个例子中,我们将深入理解Hadoop MapReduce的工作原理以及如何在Eclipse环境下实现WordCount源码。 1. **Hadoop MapReduce概述**...
1)hive的安装请参考网上的相关文章,测试时只在hadoop一个节点上安装hive即可。 2)测试数据data文件'\t'分隔: 1 zhangsan 2 lisi 3 wangwu 3)将测试数据data上传到linux目录下,我放置在:/home/hadoop01/...
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是大数据处理领域的重要工具,它提供了一个分布式文件系统(HDFS)和MapReduce计算框架,使得在大规模数据集上进行并行处理成为可能。Eclipse是一款流行的Java集成开发环境(IDE),对于Hadoop开发者来说,...
在本项目“Hadoop的Demo”中,我们深入探索了Hadoop生态系统,这是一个广泛用于大数据处理和分析的开源框架。这个项目特别针对Hadoop初学者,旨在通过一系列实例帮助他们理解并掌握Hadoop的核心概念和技术。 Hadoop...
为了更好地理解HBase的应用场景和优势,我们可以通过一个简单的例子来进行对比分析:假设我们需要存储一篇博客文章的相关信息,包括文章标题、内容、作者姓名和昵称等。 - **关系型数据库(RDBMS)的设计**:在传统...
本教程将引导你通过构建、测试一个简单的MapReduce作业来理解Hadoop的工作流程。 首先,我们要准备MapReduce的输入文件。在Master节点上,我们以root用户登录并切换至hadoop用户,这是因为Hadoop服务通常是以特定...
Hadoop集群的一个关键特性是它的线性扩展能力,意味着当数据量增加时,如果能够相应地增加处理能力,处理时间仍然可以保持不变。Hadoop的这种特性让其能够应对不断增长的大数据处理需求。 创建虚拟机集群的目的是...
本章通过天气数据集的例子介绍了如何使用Unix工具和Hadoop进行数据分析,同时讲解了MapReduce在Java中的实现,以及如何进行任务的伸缩性处理、数据流、合并器函数等高级话题。此外,还涉及了使用Hadoop Streaming...
WordCount 例子是一个简单的 MapReduce 程序,用于统计文本文件中的单词数量。 此外,伪分布式模式下还可以编写 Hadoop 应用程序,并在集群中运行。也可以提交多个作业到集群,来测试 Hadoop 的性能。 Linux 下 ...
5. **Hadoop单机模式**:单机模式是Hadoop的基础配置,所有服务都在同一个JVM进程中运行,适合开发和测试。在实验中,成功运行`hadoop version`命令后,即表示单机模式搭建完成。 6. **Hadoop伪分布式模式**:在...
通过以上知识点的概述,我们可以看到Hadoop不仅仅是一个简单的数据处理平台,它已经发展成为一个完整的生态系统,包括了文件系统、计算框架、数据库、工具和服务等多个方面。无论是学术研究还是商业应用,Hadoop都...