指导手册05:MapReduce编程入门
指导手册05:MapReduce编程入门
Part 1:使用Eclipse创建MapReduce工程
操作系统:
Centos 6.8, hadoop 2.6.4
情景描述:
因为Hadoop本身就是由Java开发的,所以通常也选用Eclipse作为MapReduce的编程工具,本小节将完成Eclipse安装,MapReduce集成环境配置。
1.下载与安装Eclipse
(1)在官网下载Eclipse安装包“Eclipse IDE for Java EE Developers”官网:https://www.eclipse.org/downloads/packages/
(2)将Eclipse安装包解压到本地的安装目录
(3)将插件hadoop-eclipse-plugin-2.6.0jar拷贝到Eclipse安装目录下的dropins目录
(4)双击解压文件下Eclipse文件夹中的图标,打开Eclipse
2.配置MapReduce环境
(1)增加Map/Reduce功能区。
打开Eclipse主界面,在菜单中选择“Window”->”Perspective”->”Open Perspective”->”Other”命令,在弹出的菜单中选择”Map/Reduce”选择,然后单击“OK”按钮确定。
(2)增加Hadoop集群的连接。
在Eclipse主界面下方的控制台界面中,选中选项卡“Map/Reduce Locations”,如下图所示:
单击上图所示右下方的蓝色小象图标(其右上方有+号),就会弹出连接Hadoop集群的配置对话框。
map/Reduce 端口:8032,DFS端口:8020 和core-site.xml中配置一致
相关的Hadoop 集群的连接信息有以下各项。
ü Location name:命名新建的Hadoop连接,如Hadoop Cluster.
ü Map/Reduce(v2)Master:填写Hadoop集群的ResourceManager的IP地址和端口。(查看yarn-site.xml配置文件)。
ü DFS Master:填写Hadoop集群的NameNode的IP地址和连接端口。(查看core-site.xml配置文件)
(3)浏览HDFS上的目录文件。
3.新建MapReduce工程
(1)导入MapReduce运行依赖的相关Jar包
在主菜单上选择”Window”->”Preferences”命令,在下图的Preference窗口中选择“Hadoop Map/Reduce”选项,单击“Browse”按钮,选中Hadoop的安装文件夹路径。
(2)创建MapReduce工程。从菜单栏中选择“File”->”New”->”Project”命令,在弹出的New对话框中选择“Map/Reduce Project”选项。如下图如示。
(3)在“MapReduce Project”的创建界面中填写工程名“MemberCount”,然后单击“Finish”按钮。
(4)接下来,在主界在左侧的”Project Explorer”栏可以看到己经创建好的工程MemberCout,接下来就可以正式进行MapReduce工作了。
4.实训操作
在Linux中完成Eclipse安装并创建MapReduce工程。(参考:Eclipe在Linux中安装配置参考)
Part 2: 通过源码初识MapReduce编程
情景描述:
在进行MapReduce编程前,有必要对MapReduce的基本原理进行了解,尤其是要对其核心模块Mapper与Reduce的执行流程有一定认识。Hadoop官方提供了一些示例源码,非常适合初学者学习及参考。比如词频统计(WordCount)的源码。
1.词频统计(WordCount)的源码
2.MapReduce原理
MapReduce,在名称上就表现出了它的核心原理,它是由两个阶段组成的。
Map,表示“映射”,在map阶段进行的一系列数据处理任务被称为Mapper模块。
Reduce,表示“归约”,同样,在reduce阶段进行的一系列数据处理任务也被称为Reducer模块。
MapReduce通常也被简称为MR
如果用打比方的方式来说明,MapReduce可以被看作一个专业处理大数据的工程队,它由以下主要成员组成:
(1)Mapper:映射器。
(2)Mapper助理InputFormat:输入文件读取器。
(3)Shuffle:运输队。
(4)Shuffle助理Sorter:排序器。
(5)Reducer:归约器。
(6)Reducer助理OutputFormat:输出结果写入器。
- 数据分片。假设原始文件中8000万行记录被系统分配给100个Mapper来处理,那么每个Mapper处理80万行数据。相当于MapReduce通过数据分片的方式,把数据分发给多个单元来进行处理,这就是分布式计算的第一步。
- 数据映射。在数据分片完成后,由Mapper助理InputFormat从文件的输入目录中读取这些记录,然后由Mapper负责对记录进行解析,并重新组织成新的格式。然后Mapper把自己的处理结果输出,等待Shuffle运输队取走结果。
- 数据混洗。由Shuffle运输队把获取的结果按照相同的键(Key)进行汇集,再把结果送到Shuffle助理Sorter,由Sorter负责对这些结果排好序,然后提交给Reducer。
- 数据归约。Reducer收到传输过来的结果后,接着进行汇总与映射工作,得到最终计算结果。最后由Reducer助理OutputFormat把结果输出到指定位置。
3.MapReduce 实现词频统计的执行流程
map任务的处理过程
reduce任务的处理过程
4.Hadoop MapReduce– 单词计数源码分析Driver
public static void main(String[] args) throws Exception{
Configuration conf = new Configuration(); //程序运行时参数
String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
if (otherArgs.length != 2)
{ System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
}
Job job = new Job(conf,"word count"); //设置环境参数
job.setJarByClass(WordCount.class); //设置整个程序的类名
job.setMapperClass(MyMapper.class); //添加MyMapper类
job.setReducerClass(MyReducer.class); //添加MyReducer类
job.setOutputKeyClass(Text.class); //设置输出类型
job.setOutputValueClass(IntWritable.class); //设置输出类型
FileInputFormat.addInputPath(job,new Path(otherArgs[0])); //设置输入文件
FileOutputFormat.setOutputPath(job,new Path(otherArgs[1])); //设置输出文件
System.exit(job.waitForCompletion(true)?0:1);
}
在MapReduce任务中涉及4个键值对格式,Mapper输入键值对格式<K1,V1>, Mapper输出键值对格式<K2,V2>,Reducer输出键值对格式<K3,V3 >。当Mapper输出键值对格式<K2,V2>和Reducer输出键值对格式<K3,V3>一样的时候,可以只设置Reducerl输出键值对的格式。
应用程序Driver分析:
(1) 最后部分:提交MapReduce任务运行。
以下是Mapper、Reducer类
Map 是映射,Reducer是把相同的键列表值全部累加起来。
5.WordCount完整代码:
import java.io.IOException;
import java.util.StringTokenizer;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class WordCount{
//WordCount类的具体代码见下面
}
------------------------------------------------------------------------------------------------------------------
(WordCount类代码)
public class WordCount{
public static class MyMapper extends Mapper<Object,Text,Text,IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
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);
}
}
}
public static class MyReducer 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);
}
}
public static void main(String[] args) throws Exception{
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
if (otherArgs.length != 2)
{
System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
}
Job job = new Job(conf,"word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(MyMapper.class);
job.setReducerClass(MyReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job,new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job,new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true)?0:1);
}
}
6实验步骤:
使用java编译程序,生成.class文件
将.class文件打包为jar包
上传到master服务器
[root@maste opt]# hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-exampes-2.6.4.jar wordcount /user/root/emil_log.txt /user/root/output1
运行jar包(需要启动Hadoop)
这里特别注意的是在WordCount中的命名空间,也就是package那一行的东西外加主类要放到jar包后面,
如:org.apache.hadoop.example.WordCount
[root@centos WordCount]# hadoop dfs -rmr /wc/output
Deleted hdfs://centos:9000/wc/output
[root@centos WordCount]# hadoop jar WordCount.jar org.apache.hadoop.examples.WordCount /wc/input /wc/output
查看结果
7.实训操作
使用有短句“A friend in need is a friend in deed”,画出使用MapReduce对它进行词频统计的过程,主要展示Map阶段与Reduce阶段的处理过程。请画图展示。
转载于:https://www.cnblogs.com/soft2408/p/9745442.html
指导手册05:MapReduce编程入门相关推荐
- 大数据之hadoop伪集群搭建与MapReduce编程入门
一.理论知识预热 一句话介绍hadoop: Hadoop的核心由分布式文件系统HDFS与Map/Reduce计算模型组成. (1)HDFS分布式文件系统 HDFS由三个角色构成: 1)NameNode ...
- MapReduce编程入门-日志访问次数统计任务
使用到的资源 hadoop-eclipse-plugin-2.6.4.jar hadoop-2.7.7 日志文件 user_login.txt 上述资源以及实验源码均已上传到百度云盘,可自行获取 链接 ...
- 大数据快速入门(05):MapReduce 编程模型赏析
一.Hadoop 诞生的传奇故事 (上图是 Doug Cutting,hadoop 之父) 1985年,Cutting 毕业于美国斯坦福大学. Cutting 的第一份工作是在 Xerox 做实习生, ...
- Hadoop MapReduce编程 API入门系列之压缩和计数器(三十)
不多说,直接上代码. Hadoop MapReduce编程 API入门系列之小文件合并(二十九) 生成的结果,作为输入源. 代码 package zhouls.bigdata.myMapReduce. ...
- Hadoop MapReduce编程 API入门系列之查找相同字母组成的字谜(三)
找出相同单词的所有单词.现在,是拿取部分数据集(如下)来完成本项目. 项目需求 一本英文书籍包含成千上万个单词或者短语,现在我们需要在大量的单词中,找出相同字母组成的所有anagrams(字谜). 思 ...
- Hadoop安装实验及MapReduce编程实验指导
实验环境:Red Hat 6.5.Hadoop-2.6.5 JDK1.7.0版本 具体参考实验指导书,本文档做辅助工作,详细命令请看教学实验指导书. 1.Hadoop安装实验 准备工作 配置主机名 ...
- FPGA入门指导手册-----------它是空的(不信你点开看看啊)
FPGA入门指导手册 绪论 语法相关记录 函数申明 状态机 毛刺问题 实列操作 1. 点量一个LED灯(下载编译) flash下载操作(JIC文件下载) 2. ModelSim联合仿真操作手册(空) ...
- mapreduce程序输出评分8.6分以上的书名和评分_如何选编程入门资料?光评分高怎么够|文末赠书...
说到编程入门,很多人第一想到的肯定是Python. 那么,编程零基础应当如何开始学 Python ,才不会入门即放弃?一开始的学习资料的选择尤为重要.那么,如何筛选适合自己的入门资料?这里和大家谈谈我 ...
- Hadoop大数据--Mapreduce编程规范及入门示例
Mapreduce是一个分布式的运算编程框架,核心功能是将用户编写的核心逻辑代码分布式地运行在一个集群的很多服务器上. Mapreduce的存在价值 (1)海量数据在单机上处理因为硬件资源限制,无法胜 ...
- [Hadoop入门] - 1 Ubuntu系统 Hadoop介绍 MapReduce编程思想
Ubuntu系统 (我用到版本号是140.4) ubuntu系统是一个以桌面应用为主的Linux操作系统,Ubuntu基于Debian发行版和GNOME桌面环境.Ubuntu的目标在于为一般用户提供一 ...
最新文章
- BZOJ 3585: mex( 离线 + 线段树 )
- 柚子的collection
- Android中怎样在工具类中获取Context对象
- java mysql settings_Java中使用MySQL从安装、配置到实际程序测试详解
- locate: database too small: /var/db/locate.databas
- Qt新添加的类无法链接
- 在ASP.NET MVC应用程序中随机获取一个字符串
- 吞吐量越大越好吗_家用中央空调匹数越大越好吗?
- Eureka 控制台参数说明
- 这九年来都在干嘛-兄弟连IT教育
- 产品经理小白面试经验总结
- html5二维动画教程,Flash二维动画制作案例教程
- 初识前端模板引擎jade
- 创业经验谈(转自:ouravr.com)
- autojs利用坚果云实现云更新
- php微信客服接口,微信公众平台开发:多客服接口说明
- antd checkbox 默认选中_antd的CheckBox
- windows 系统清理工具
- win10更改user用户名(win10更改user用户名文件夹已在另一个文件中已打开)
- SQL SERVER SA密码忘记,windows集成身份验证都登录不了不怎么办
热门文章
- vc++datamatrix二维码识别
- zic - 时区编辑器
- org.apache.kafka.clients.consumer.OffsetOutOfRangeException: Offsets out of range with no configured
- R语言结构方程模型(SEM)在生态学领域中的实践应用
- 文案撰写方法三:制造反差
- [相机原理]单反与手机是如何实现对焦的?——反差对焦的原理
- xge_mac学习(4)--TX_DeQ
- 笔记本计算机声音小,笔记本没有声音,小编教你笔记本没有声音怎么修复
- 请问投稿中要求上传的author_投稿要求
- openslide安装问题