国产日韩欧美在线,欧美日韩精品电影,久久久久久99精品

可以通過一個簡單的例子來說明MapReduce到底是什么：

　　我們要統計一個大文件中的各個單詞出現的次數。由于文件太大。我們把這個文件切分成如果小文件，然后安排多個人去統計。這個過程就是”Map”。然后把每個人統計的數字合并起來，這個就是“Reduce"。

　　上面的例子如果在MapReduce去做呢，就需要創建一個任務job，由job把文件切分成若干獨立的數據塊，并分布在不同的機器節點中。然后通過分散在不同節點中的Map任務以完全并行的方式進行處理。MapReduce會對Map的輸出地行收集，再將結果輸出送給Reduce進行下一步的處理。

　　對于一個任務的具體執行過程，會有一個名為"JobTracker"的進程負責協調MapReduce執行過程中的所有任務。若干條TaskTracker進程用來運行單獨的Map任務，并隨時將任務的執行情況匯報給JobTracker。如果一個TaskTracker匯報任務失敗或者長時間未對本身任務進行匯報，JobTracker會啟動另外一個TaskTracker重新執行單獨的Map任務。

下面的具體的代碼實現：

1. 編寫wordcount的相關job

(1)eclipse下創建相關maven項目，依賴jar包如下（也可參照hadoop源碼包下的hadoop-mapreduce-examples項目的pom配置）

　　注意：要配置一個maven插件maven-jar-plugin，并指定mainClass

									<dependencies>

									  <dependency>

									   <groupId>junit</groupId>

									   <artifactId>junit</artifactId>

									   <version>4.11</version>

									  </dependency>

									  <dependency>

									    <groupId>org.apache.hadoop</groupId>

									    <artifactId>hadoop-mapreduce-client-core</artifactId>

									    <version>2.5.2</version>

									  </dependency>

									  <dependency>

									    <groupId>org.apache.hadoop</groupId>

									    <artifactId>hadoop-common</artifactId>

									    <version>2.5.2</version>

									  </dependency>

									 </dependencies>

									 <build>

									   <plugins>

									     <plugin>

									  <groupId>org.apache.maven.plugins</groupId>

									   <artifactId>maven-jar-plugin</artifactId>

									   <configuration>

									    <archive>

									     <manifest>

									      <mainClass>com.xxx.demo.hadoop.wordcount.WordCount</mainClass>

									     </manifest>

									    </archive>

									   </configuration>

									  </plugin>

									   </plugins>

									 </build>

(2)根據MapReduce的運行機制，一個job至少要編寫三個類分別用來完成Map邏輯、Reduce邏輯、作業調度這三件事。

Map的代碼可繼承org.apache.hadoop.mapreduce.Mapper類

									public static class TokenizerMapper

									    extends Mapper<Object, Text, Text, IntWritable>{

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

									  private Text word = new Text();

									   //由于該例子未用到key的參數，所以該處key的類型就簡單指定為Object

									  public void map(Object key, Text value, Context context

									          ) throws IOException, InterruptedException {

									   StringTokenizer itr = new StringTokenizer(value.toString());

									   while (itr.hasMoreTokens()) {

									    word.set(itr.nextToken());

									    context.write(word, one);

									   }

									  }

									 }

Reduce的代碼可繼承org.apache.hadoop.mapreduce.Reducer類

									public 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 {

									   int sum = 0;

									   for (IntWritable val : values) {

									    sum += val.get();

									   }

									   result.set(sum);

									   context.write(key, result);

									  }

									 }

編寫main方法進行作業調度

									public static void main(String[] args) throws Exception {

									  Configuration conf = new Configuration();

									  Job job = Job.getInstance(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(args[0]));

									  FileOutputFormat.setOutputPath(job, new Path(args[1]));

									  job.waitForCompletion(true) ;

									  //System.exit(job.waitForCompletion(true) ? 0 : 1);

									 }

2. 上傳數據文件到hadoop集群環境

執行mvn install把項目打成jar文件然后上傳到linux集群環境，使用hdfs dfs -mkdir命令在hdfs文件系統中創建相應的命令，使用hdfs dfs -put 把需要處理的數據文件上傳到hdfs系統中，示例：hdfs dfs -put ${linux_path/數據文件} ${hdfs_path}

3. 執行job

在集群環境中執行命令: hadoop jar ${linux_path}/wordcount.jar ${hdfs_input_path} ${hdfs_output_path}

4. 查看統計結果

hdfs dfs -cat ${hdfs_output_path}/輸出文件名

以上的方式在未啟動hadoop集群環境時，是以Local模式運行，此時HDFS和YARN都不起作用。下面是在偽分布式模式下執行mapreduce job時需要做的工作，先把官網上列的步驟摘錄出來：

配置主機名

# vi /etc/sysconfig/network

例如：

									NETWORKING=yes

									HOSTNAME=master

									vi /etc/hosts

填入以下內容

127.0.0.1 localhost

配置ssh免密碼互通

ssh-keygen -t rsa # cat?~/.ssh/id_rsa.pub?>>?~/.ssh/authorized_keys

配置core-site.xml文件（位于${HADOOP_HOME}/etc/hadoop/

									<configuration>

									  <property>

									    <name>fs.defaultFS</name>

									    <value>hdfs://localhost:9000</value>

									  </property>

									</configuration>

配置hdfs-site.xml文件

									<configuration>

									  <property>

									    <name>dfs.replication</name>

									    <value>1</value>

									  </property>

									</configuration>

下面的命令可以在單機偽分布模式下運行mapreduce的job

1.Format the filesystem:
$ bin/hdfs namenode -format
2.Start NameNode daemon and DataNode daemon:
$ sbin/start-dfs.sh
3.The hadoop daemon log output is written to the $HADOOP_LOG_DIR directory (defaults to $HADOOP_HOME/logs).

4.Browse the web interface for the NameNode; by default it is available at:
NameNode - http://localhost:50070/
Make the HDFS directories required to execute MapReduce jobs:
$ bin/hdfs dfs -mkdir /user
$ bin/hdfs dfs -mkdir /user/<username>
5.Copy the input files into the distributed filesystem:
$ bin/hdfs dfs -put etc/hadoop input
6.Run some of the examples provided:
$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.2.jar grep input output 'dfs[a-z.]+'
7.Examine the output files:
Copy the output files from the distributed filesystem to the local filesystem and examine them:

$ bin/hdfs dfs -get output output
$ cat output/*
or

View the output files on the distributed filesystem:

$ bin/hdfs dfs -cat output/*
8.When you're done, stop the daemons with:
$ sbin/stop-dfs.sh