• 大数据培训课程WordCount案例实操

    WordCount案例实操

    1．需求

    在给定的文本文件中统计输出每一个单词出现的总次数

    （1）输入数据

    （2）期望输出数据

    atguigu   2

    banzhang 1

    cls   2

    hadoop   1

    jiao  1

    ss    2

    xue  1

    2．需求分析

    按照MapReduce编程规范，分别编写Mapper，Reducer，Driver，如图4-2所示。

    图4-2 需求分析

    3．环境准备

    （1）创建maven工程

    （2）在pom.xml文件中添加如下依赖

         

             junit

             <artifactId>junit

             RELEASE

         

         

             org.apache.logging.log4j

             log4j-core

             2.8.2

         

         

             org.apache.hadoop

             hadoop-common

             2.7.2

         

         

             org.apache.hadoop

             hadoop-client

             2.7.2

         

         

             org.apache.hadoop

             hadoop-hdfs

             2.7.2

         

    （2）在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入。

    log4j.rootLogger=INFO, stdout log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] – %m%n log4j.appender.logfile=org.apache.log4j.FileAppender log4j.appender.logfile.File=target/spring.log log4j.appender.logfile.layout=org.apache.log4j.PatternLayout log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] – %m%n

    4．编写程序

    （1）编写Mapper类

    package com.atguigu.mapreduce; import java.io.IOException; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper;   public class WordcountMapper extends Mapper{     Text k = new Text();   IntWritable v = new IntWritable(1);     @Override   protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {             // 1 获取一行       String line = value.toString();             // 2 切割       String[] words = line.split(” “);             // 3 输出       for (String word : words) {                   k.set(word);          context.write(k, v);       }   } }

    （2）编写Reducer类

    package com.atguigu.mapreduce.wordcount; import java.io.IOException; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer;   public class WordcountReducer extends Reducer{   int sum; IntWritable v = new IntWritable();     @Override   protected void reduce(Text key, Iterable values,Context context) throws IOException, InterruptedException {             // 1 累加求和       sum = 0;       for (IntWritable count : values) {          sum += count.get();       }             // 2 输出        v.set(sum);       context.write(key,v);   } }

    （3）编写Driver驱动类

    package com.atguigu.mapreduce.wordcount; import java.io.IOException; 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.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;   public class WordcountDriver {     public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {         // 1 获取配置信息以及封装任务       Configuration configuration = new Configuration();       Job job = Job.getInstance(configuration);         // 2 设置jar加载路径       job.setJarByClass(WordcountDriver.class);         // 3 设置map和reduce类       job.setMapperClass(WordcountMapper.class);       job.setReducerClass(WordcountReducer.class);         // 4 设置map输出       job.setMapOutputKeyClass(Text.class);       job.setMapOutputValueClass(IntWritable.class);         // 5 设置最终输出kv类型       job.setOutputKeyClass(Text.class);       job.setOutputValueClass(IntWritable.class);             // 6 设置输入和输出路径       FileInputFormat.setInputPaths(job, new Path(args[0]));       FileOutputFormat.setOutputPath(job, new Path(args[1]));         // 7 提交       boolean result = job.waitForCompletion(true);         System.exit(result ? 0 : 1);   } }

    5．本地测试

    （1）如果电脑系统是win7的就将win7的hadoop jar包解压到非中文路径，并在Windows环境上配置HADOOP_HOME环境变量。如果是电脑win10操作系统，就解压win10的hadoop jar包，并配置HADOOP_HOME环境变量。

    注意：win8电脑和win10家庭版操作系统可能有问题，需要重新编译源码或者更改操作系统。

    （2）在Eclipse/Idea上运行程序

    6．集群上测试

    （0）用maven打jar包，需要添加的打包插件依赖

    注意：标记红颜色的部分需要替换为自己工程主类

         

            

                maven-compiler-plugin

                2.3.2

               

                   1.8

                   1.8

               

            

            

                maven-assembly-plugin

               

                  

                      jar-with-dependencies

                  

                  

                     

                        com.atguigu.mr.WordcountDriver

                     

                  

               

               

                  

                      make-assembly

                      package

                     

                         single

                     

                  

               

            

         

     

    注意：如果工程上显示红叉。在项目上右键->maven->update project即可。

    （1）将程序打成jar包，然后拷贝到Hadoop集群中

    步骤详情：右键->Run as->maven install。等待编译完成就会在项目的target文件夹中生成jar包。如果看不到。在项目上右键-》Refresh，即可看到。修改不带依赖的jar包名称为wc.jar，并拷贝该jar包到Hadoop集群。

    （2）启动Hadoop集群

    （3）执行WordCount程序

    [atguigu@hadoop102 software]$ hadoop jar  wc.jar

     com.atguigu.mr.WordcountDriver /user/atguigu/input /user/atguigu/output 注意：com.atguigu.mr.WordcountDriver要和自己工程的全类名一致。

  • 相关阅读:
    【Python】模型指标阈值计算方法
    Java Spring MVC如何编写一个示例程序呢？
    OceanBase 金融项目优化案例
    LeetCode 热题 HOT 100 第八十三天 438. 找到字符串中所有字母异位词 III 用python3求解
    闲话Python编程-始于计算
    Oracle连接和使用
    中秋聊月相
    yocs_velocity_smoother速度平滑库知识
    新手小白怎么选择配音软件？
    柠檬班unitest
  • 原文地址：https://blog.csdn.net/zjjcchina/article/details/128143620