三十、MapReduce之wordcount案例(环境搭建及案例实施)

环境准备：

Hadoop2.6.0

IDEA

maven3.5.4

案例分析：

        MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。本项目用到的便是俗称Helloword的数据提取案例，官网源码见hadoop安装目录：       

/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar

注意：在windows下直接查看需要反编译工具，解析jar包

 输入数据：                                                        

 期望输出数据：

 环境搭建：

1.配置maven

        将下载好的maven路径配置进去

2.配置解释器

3.在pom.xml文件中添加如下依赖

        如下依赖只需要更改版本号即可，导入后刷新IDEA即可自动下载依赖

  

   

    

     

    
    

     

      <dependencies>
     
    
   

    

     

    
    

     

      		<dependency>
     
    
   

    

     

    
    

     

      			<groupId>junit</groupId>
     
    
   

    

     

    
    

     

      			<artifactId>junit</artifactId>
     
    
   

    

     

    
    

     

      			<version>RELEASE</version>
     
    
   

    

     

    
    

     

      		</dependency>
     
    
   

    

     

    
    

     

      		<dependency>
     
    
   

    

     

    
    

     

      			<groupId>org.apache.logging.log4j</groupId>
     
    
   

    

     

    
    

     

      			<artifactId>log4j-core</artifactId>
     
    
   

    

     

    
    

     

      			<version>2.8.2</version>
     
    
   

    

     

    
    

     

      		</dependency>
     
    
   

    

     

    
    

     

      		<dependency>
     
    
   

    

     

    
    

     

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

    

     

    
    

     

      			<artifactId>hadoop-common</artifactId>
     
    
   

    

     

    
    

     

      			<version>2.7.2</version>
     
    
   

    

     

    
    

     

      		</dependency>
     
    
   

    

     

    
    

     

      		<dependency>
     
    
   

    

     

    
    

     

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

    

     

    
    

     

      			<artifactId>hadoop-client</artifactId>
     
    
   

    

     

    
    

     

      			<version>2.7.2</version>
     
    
   

    

     

    
    

     

      		</dependency>
     
    
   

    

     

    
    

     

      		<dependency>
     
    
   

    

     

    
    

     

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

    

     

    
    

     

      			<artifactId>hadoop-hdfs</artifactId>
     
    
   

    

     

    
    

     

      			<version>2.7.2</version>
     
    
   

    

     

    
    

     

      		</dependency>
     
    
   

    

     

    
    

     

      </dependencies>
     
    
  
 

 4.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
     
    
  
 

程序编写：

（1）编写Mapper类

  

   

    

     

    
    

     

      package org.example.mapreduce.wordcount;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      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;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
     
    
   

    

     

    
    

     
    private Text outk = new Text();
     
    
   

    

     

    
    

     
    private IntWritable outv = new IntWritable(1);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    @Override
     
    
   

    

     

    
    

     
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
     
    
   

    

     

    
    

     
        //获取一行
     
    
   

    

     

    
    

     
        String line = value.toString();
     
    
   

    

     

    
    

     
        //切割
     
    
   

    

     

    
    

     

              String[] words = line.split(" ");
     
    
   

    

     

    
    

     
        //循环写出
     
    
   

    

     

    
    

     
        for (String word : words) {
     
    
   

    

     

    
    

     
            //封装
     
    
   

    

     

    
    

     

                  outk.set(word);
     
    
   

    

     

    
    

     
            //写出
     
    
   

    

     

    
    

     

                  context.write(outk, outv);
     
    
   

    

     

    
    

     

              }
     
    
   

    

     

    
    

     

          }
     
    
   

    

     

    
    

     

      }
     
    
  
 

（2）编写Reducer类

  

   

    

     

    
    

     

      package org.example.mapreduce.wordcount;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import org.apache.hadoop.io.IntWritable;
     
    
   

    

     

    
    

     

      import org.apache.hadoop.io.Text;
     
    
   

    

     

    
    

     

      import org.apache.hadoop.mapreduce.Reducer;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      import java.io.IOException;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
     
    
   

    

     

    
    

     
    IntWritable outV = new IntWritable();
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
    @Override
     
    
   

    

     

    
    

     
    protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
     
    
   

    

     

    
    

     
        int sum = 0;
     
    
   

    

     

    
    

     
        //tuomasi(1,1)
     
    
   

    

     

    
    

     
        //累加
     
    
   

    

     

    
    

     
        for (IntWritable value : values) {
     
    
   

    

     

    
    

     

                  sum += value.get();
     
    
   

    

     

    
    

     

              }
     
    
   

    

     

    
    

     
        //写出
     
    
   

    

     

    
    

     

              outV.set(sum);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

              context.write(key, outV);
     
    
   

    

     

    
    

     

          }
     
    
   

    

     

    
    

     

      }
     
    
  
 

（3）编写Driver类

  

   

    

     

    
    

     

      package org.example.mapreduce.wordcount;
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      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 WordCountDriver {
     
    
   

    

     

    
    

     
    public static void main(String[] args) throws IOException, ClassNotFoundException ,InterruptedException{
     
    
   

    

     

    
    

     
        //1.获取job
     
    
   

    

     

    
    

     
        Configuration conf = new Configuration();
     
    
   

    

     

    
    

     
        Job job = Job.getInstance(conf);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        //2.设置jor包路径
     
    
   

    

     

    
    

     

              job.setJarByClass(WordCountDriver.class);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        //3.关联mapper和reducer
     
    
   

    

     

    
    

     

              job.setMapperClass(WordCountMapper.class);
     
    
   

    

     

    
    

     

              job.setReducerClass(WordCountReducer.class);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        //4.设置mapper输出的k,v类型
     
    
   

    

     

    
    

     

              job.setMapOutputKeyClass(Text.class);
     
    
   

    

     

    
    

     

              job.setMapOutputValueClass(IntWritable.class);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        //5.设置最终输出的K,V类型
     
    
   

    

     

    
    

     

              job.setOutputKeyClass(Text.class);
     
    
   

    

     

    
    

     

              job.setOutputValueClass(IntWritable.class);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        //6.设置输入路径和输出路径
     
    
   

    

     

    
    

     

              FileInputFormat.setInputPaths(job, new Path("E:\\input\\inputword"));
     
    
   

    

     

    
    

     

              FileOutputFormat.setOutputPath(job, new Path("E:\\output\\outputword"));
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
        //7.提交job作业
     
    
   

    

     

    
    

     
        boolean result = job.waitForCompletion(true);
     
    
   

    

     

    
    

     

              System.exit(result ? 0 : 1);
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

          }
     
    
   

    

     

    
    

     

      }
     
    
  
 

本地测试：

 注意：此处输出路径不能在运行前存在（提前存在会报错），运行后会自动生成

运行：

 如图所示即为运行成功。

找到本地生成的文件，查看是否与期望值相同，如图：

涉及到的问题：

注意：在第一次运行可能会报缺少winutils错误，只需下载对应版本的winutils.exe文件解压到本地，配置Hadoop的环境变量即可

我的Hadoop为2.6.0版即使用如下包，提取码：0000 下方链接：

https://pan.baidu.com/s/1CMgma_VoO2mJ6iRROd7HCg

或：

https://download.csdn.net/download/m0_54925305/22011870?spm=1001.2014.3001.5501

环境变量：

1.配置系统变量HADOOP_HOME，路径指向hadoop-common-2.6.0-bin-master

 2.Path配置，加入：%HADOOP_HOME%\bin

        友情提示：

如遇代码运行过程中有多处警告或报错大多都是因为导包出错的，请仔细查看包是否导入正确。 

 环境搭建及WordCount案例完成。

文章来源: tuomasi.blog.csdn.net，作者：托马斯-酷涛，版权归原作者所有，如需转载，请联系作者。

原文链接：tuomasi.blog.csdn.net/article/details/120155693