场景
Windows下使用Java API操作HDFS的常用方法:
https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/119382108
在上面使用Java API操作HDFS已经配置开发环境的基础上。
使用Java API操作Mapreduce统计单次出现的次数。
这里Hadoop集群搭建的是Hadoop2.8.0,所以新建Maven项目并引入依赖
<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-client -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.8.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-common -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.8.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-hdfs -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.8.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-hdfs-client -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs-client</artifactId>
<version>2.8.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-mapreduce-client-core -->
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>2.8.0</version>
</dependency>
<!-- https://mvnrepository.com/artifact/junit/junit -->
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
注:
博客:
https://blog.csdn.net/badao_liumang_qizhi
关注公众号
霸道的程序猿
获取编程相关电子书、教程推送与免费下载。
实现
实现对指定目录或文件中的单词出现次数进行统计,默认输出结果是以单词字典排序。
采用默认文本读入,每行读取一次,然后使用\t对数据进行分割或者使用字符串类
StringTokenizer对其分割(该类会按照空格、\t、\n等进行切分)。在Reduce端相同的key,即
相同的单词会在一起进行求和处理,求出出现次数。
1、首先新建数据集worlds.txt
2、编写map类,通过继承Mapper类实现里面的map函数
Mapper类中的第一个参数是Object(常用),也可以写成Long
第一个参数对应的值是行偏移量
第二个参数类型通常是Text类型,Text类型是Hadoop实现的String类型的可写类型
第三个参数表示的是输出key的数据类型
第四个参数表示的是输出value的数据类型,IntWritable是Hadoop实现的int类型的可写数据类型
package com.badao.mapreducedemo;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
import java.util.StringTokenizer;
public class WorldCountMapper extends Mapper<Object,Text,Text,IntWritable> {
//1、编写map函数,通过继承Mapper类实现里面的map函数
// Mapper类当中的第一个函数是Object,也可以写成Long
// 第一个参数对应的值是行偏移量
//2、第二个参数类型通常是Text类型,Text是Hadoop实现的String 类型的可写类型
// 第二个参数对应的值是每行字符串
//3、第三个参数表示的是输出key的数据类型
//4、第四个参数表示的是输出value的数据类型,IntWriable 是Hadoop实现的int类型的可写数据类型
public final static IntWritable one = new IntWritable(1);
public Text word = new Text();
//key 是行偏移量
//value是每行字符串
@Override
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
StringTokenizer stringTokenizer = new StringTokenizer(value.toString());
while (stringTokenizer.hasMoreTokens())
{
//stringTokenizer.nextToken()是字符串类型,使用set函数完成字符串到Text数据类型的转换
word.set(stringTokenizer.nextToken());
//通过write函数写入到本地文件
context.write(word,one);
}
}
}
这里有个很重要的一点就是,千万不要导错包!!!
尤其是Text
3、编写reduce类
通过继承Reduce类实现里面的reduce函数
第一个参数类型是输入值key的数据类型,map中间输出key的数据类型
第二个参数是输入值为value的数据类型,map中间输出value的数据类型
第三个参数是输出值key的数据类型,它的数据类型要跟job.setOutputKeyClass(Text.Class)保持一致
第四个参数类型是输出值value的数据类型,它的数据类型要跟job.setOutputValueClass(IntWriable.class)保持一致
package com.badao.mapreducedemo;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
//第一个参数类型是输入值key的数据类型,map中间输出key的数据类型
//第二个参数类型是输入值value的数据类型,map中间输出value的数据类型
//第三个参数类型是输出值key的数据类型,他的数据类型要跟job.setOutputKeyClass(Text.class) 保持一致
//第四个参数类型是输出值value的数据类型,它的数据类型要跟job.setOutputValueClass(IntWriable.class) 保持一致
public class WordCountReducer extends Reducer<Text, IntWritable,Text,IntWritable> {
public IntWritable result = new IntWritable();
//key就是单词 values是单词出现频率列表
@Override
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
int sum = 0;
for(IntWritable val:values)
{
//get就是取出IntWriable的值
sum += val.get();
}
result.set(sum);
context.write(key,result);
}
}
4、编写job类
这里把Windows本地文件和集群HDFS抽离出两个方法
本地文件
public static void wordCountLocal()throws IOException, ClassNotFoundException, InterruptedException
{
Configuration conf = new Configuration();
//实例化一个作业,word count是作业的名字
Job job = Job.getInstance(conf, "wordcount");
//指定通过哪个类找到对应的jar包
job.setJarByClass(WorldCountJob.class);
//为job设置Mapper类
job.setMapperClass(WorldCountMapper.class);
job.setCombinerClass(IntSumReducer.class);
//为job设置reduce类
job.setReducerClass(WordCountReducer.class);
//为job的输出数据设置key类
job.setOutputKeyClass(Text.class);
//为job输出设置value类
job.setOutputValueClass(IntWritable.class);
//为job设置输入路径,输入路径是存在的文件夹/文件
FileInputFormat.addInputPath(job,new Path("D:\\words.txt"));
//为job设置输出路径
FileOutputFormat.setOutputPath(job,new Path("D:\\badao"));
job.waitForCompletion(true);
}
注意事项:
这里的输入路径必须存在,就是上面新建的数据集。
输出路径必须不能存在,不然会报错路径已经存在
注意这里的FileOutputFormat导入的包路径是下面的路径
然后在main方法中调用该方法
运行成功后会在D盘下badao目录下生成part-r-00000文件,这就是统计结果
集群HDFS
public static void wordCountColony()throws IOException, ClassNotFoundException, InterruptedException
{
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://192.168.148.128:9000");
System.setProperty("HADOOP_USER_NAME","root");
//实例化一个作业,word count是作业的名字
Job job = Job.getInstance(conf, "wordcount");
//指定通过哪个类找到对应的jar包
job.setJarByClass(WorldCountJob.class);
//为job设置Mapper类
job.setMapperClass(WorldCountMapper.class);
job.setCombinerClass(IntSumReducer.class);
//为job设置reduce类
job.setReducerClass(WordCountReducer.class);
//为job的输出数据设置key类
job.setOutputKeyClass(Text.class);
//为job输出设置value类
job.setOutputValueClass(IntWritable.class);
//为job设置输入路径,输入路径是存在的文件夹/文件
FileInputFormat.addInputPath(job,new Path("/words.txt"));
//为job设置输出路径
FileOutputFormat.setOutputPath(job,new Path("/badao9"));
job.waitForCompletion(true);
}
然后将数据集上传到集群HDFS中
然后main方法中运行该方法
运行结束后查看该文件
job完整代码:
package com.badao.mapreducedemo;
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;
import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;
import java.io.IOException;
public class WorldCountJob {
public static void main(String[] args) throws InterruptedException, IOException, ClassNotFoundException {
wordCountLocal();
}
public static void wordCountLocal()throws IOException, ClassNotFoundException, InterruptedException
{
Configuration conf = new Configuration();
//实例化一个作业,word count是作业的名字
Job job = Job.getInstance(conf, "wordcount");
//指定通过哪个类找到对应的jar包
job.setJarByClass(WorldCountJob.class);
//为job设置Mapper类
job.setMapperClass(WorldCountMapper.class);
job.setCombinerClass(IntSumReducer.class);
//为job设置reduce类
job.setReducerClass(WordCountReducer.class);
//为job的输出数据设置key类
job.setOutputKeyClass(Text.class);
//为job输出设置value类
job.setOutputValueClass(IntWritable.class);
//为job设置输入路径,输入路径是存在的文件夹/文件
FileInputFormat.addInputPath(job,new Path("D:\\words.txt"));
//为job设置输出路径
FileOutputFormat.setOutputPath(job,new Path("D:\\badao"));
job.waitForCompletion(true);
}
public static void wordCountColony()throws IOException, ClassNotFoundException, InterruptedException
{
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://192.168.148.128:9000");
System.setProperty("HADOOP_USER_NAME","root");
//实例化一个作业,word count是作业的名字
Job job = Job.getInstance(conf, "wordcount");
//指定通过哪个类找到对应的jar包
job.setJarByClass(WorldCountJob.class);
//为job设置Mapper类
job.setMapperClass(WorldCountMapper.class);
job.setCombinerClass(IntSumReducer.class);
//为job设置reduce类
job.setReducerClass(WordCountReducer.class);
//为job的输出数据设置key类
job.setOutputKeyClass(Text.class);
//为job输出设置value类
job.setOutputValueClass(IntWritable.class);
//为job设置输入路径,输入路径是存在的文件夹/文件
FileInputFormat.addInputPath(job,new Path("/words.txt"));
//为job设置输出路径
FileOutputFormat.setOutputPath(job,new Path("/badao9"));
job.waitForCompletion(true);
}
}
示例代码下载:
https://download.csdn.net/download/BADAO_LIUMANG_QIZHI/20718869
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
文章由极客之音整理,本文链接:https://www.bmabk.com/index.php/post/136230.html