[toc]

一切的代码都是以需求为驱动,代码脱离了业务,都是在耍流氓!

一、需求分析

1. 需求清单

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
    atguigu atguigu
    ss ss
    cls cls
    jiao
    banzhang
    xue
    hadoop

  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。
image.png

二、本地测试-环境准备(windows)

1. 创建项目MapReduceDemo

image.png

2. 修改pom文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>org.example</groupId>
    <artifactId>MapReduceDemo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.3</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>
        <dependency>
            <groupId>org.slf4j</groupId>
            <artifactId>slf4j-log4j12</artifactId>
            <version>1.7.30</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.7.0</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                </configuration>
            </plugin>
            <plugin>
                <artifactId>maven-assembly-plugin</artifactId>
                <configuration>
                    <descriptorRefs>
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                </configuration>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

3. 添加log4j配置文件

log4j.properties

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. 创建程序包

com.learn.demo
最终环境如下:
image.png

三、本地测试

1. 编写mapper程序

package com.learn.demo;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * Mapper参数解读
 * KEYIN:输入参数-偏移量
 * VALUEIN:输入参数-一行数据
 * KEYOUT:输出参数key类型
 * VALUEOUT:输出参数value类型
 */
public class WorldMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    // 为了减少创建new实体的开支,故进行提取到全局变量
    // 大文本中每一行读取都会执行一次map方法,而每次执行map方法,其中的for循环进行循环执行
    // 所以,变量进行提取为全局变量
    Text text = new Text();
    IntWritable intWritable = new IntWritable(1);
    /**
     * map方法
     * @param key 输入参数 文本便宜量
     * @param value 输入参数 文本每一行的数据
     * @param context mr程序-上下文
     * @throws IOException io异常
     * @throws InterruptedException 线程异常
     */
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1. 读取一行 Text类型为Hadoop封装的类型  转换为string进行程序操作
        String line = value.toString();

        // 2. 切割  根据不同的业务需求,进行实现  本次为统计单词,故需要切割出每一个单词,分隔符为空格
        String[] worlds = line.split(" ");

        // 3. 每一行切割出多个单词,进行输出固定模板k,v形式,进行reduce进程计算
        for (String world : worlds) {
            text.set(world);

            // 4. 写入到上下文   通过上下文出入到reduce进程,进行下游计算
            context.write(text, intWritable);
        }

    }
}

2. 编写reducer程序

package com.learn.demo;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * reducer产生解读
 * KEYIN:输入参数-map输出的key
 * VALUEIN:输入参数-map输出value
 * KEYOUT:输出参数key类型
 * VALUEOUT:输出参数value类型
 */
public class WorldReducer extends Reducer<Text, IntWritable,Text, IntWritable> {

    // 为了减少创建new实体的开支,故进行提取到全局变量
    // map处理后的文本中每一行读取都会执行一次reduce方法
    // 所以,变量进行提取为全局变量
    IntWritable intWritable = new IntWritable();
    /**
     * mapreduce
     * @param key 输入参数
     * @param values 输入参数
     * @param context 上下文
     * @throws IOException io异常
     * @throws InterruptedException 线程异常
     */
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {

        // 1. 统计出value列表中的总和
        int count = 0;
        for (IntWritable iw : values) {
            count += iw.get();
        }

        // 2. 通过上下文,写出最后结果
        intWritable.set(count);
        context.write(key, intWritable);
    }
}

3. 编写driver程序

package com.learn.demo;

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 java.io.IOException;

public class WorldDriver {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // 1. 第一步获取job实例
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        // 2. 指定驱动类
        job.setJarByClass(WorldDriver.class);

        // 3. 指定map和reduce类
        job.setMapperClass(WorldMapper.class);
        job.setReducerClass(WorldReducer.class);

        // 4. 指定map输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        // 5. 指定最终输出类型 可能有的job没有reduce进程
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 6. 指定文件输入和输出路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        // 7. 提交
        boolean b = job.waitForCompletion(true);
        System.out.println(b ? "成功!" : "失败!");

    }
}

4. 指定参数并运行

image.png

image.png

5. 结果查看

image.png

image.png

四、集群测试

1. 打包

image.png

2. 文件上传

  1. 测试文件hello.txt上传到hdfs下的/input目录下
  2. 打包好的jar包修改文件名称为wc.jar,并上传到服务器中

3. 服务器Hadoop环境启动

群起脚本请看之前总结篇:https://liudongdong.top/archives/hadoop3xshi-yi-hadoop-huan-jing-da-jian-zhi-hadoop-ji-qun-fu-zhu-pei-zhi

image.png

4. 执行jar包

[liudd@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar com.learn.demo.WorldDriver /input/hello.txt /output/hello

image.png
image.png

个人配置端口为8088:http://hadoop103:8088/cluster
image.png

5. 结果查看

http://hadoop102:9870/explorer.html#/output/hello
image.png
image.png

Q.E.D.


只有创造,才是真正的享受,只有拚搏,才是充实的生活。