在Hadoop环境里面统计西游记文章的词组（hdfs实验）

在Hadoop的环境里面我们测试一个文件，对西游记这个书籍里面的所有词语，进行统计排序。hadoop包括两个核心组成：HDFS：分布式文件系统，存储海量的数据MapReduce：并行处理框架，实现任务分解和调度。

hadoop运行机制

MapReduce工作原理

首先我们准备四个文件，在自己Windows里面已经写好的，或者是从其他地方copy过来的（涉及一些参数和路径的修改）

点击下载这四个参考文件
前面两文件是实现我们的文章词组的分割处理和排序处理（Python文件），后面的一个是执行文件，最后一个是西游记里面的文章，这个里面已经利用pycharm的jieba 库做好的文字的处理，只有词组和空格，没有标点符号和其他的东西。

准备：

首先打开虚拟机，启动Hadoop

这样就启动成功了，有的时候我们很容易忽略这个，我的这台机器配置了，开机自启动，所以打开虚拟机就会自己启动，但是如果没有的话我们就需要利用下面的代码

start-all.sh

之后等待启动OK，再去查看即可

实验过程

思路：

1.首先把文件上传到我们的虚拟机home目录，然后对其中三个文件权限进行修改。
2.修改run.sh 里面的参数，Hadoop文件路径，Python文件路径。
3.上传我们文件到hdfs本地

实验过程：

1.首先我们在home目录里面新建一个test1的文件夹，然后把这四个文件拖到我们新建的这个文件夹里面。然后我们去修改其中2个Python文件的内容，一个sh的文件路径即可

whw@whw-hadoop:~/test1$ chmod 777 mapper.py
whw@whw-hadoop:~/test1$ chmod 777 reduce.py
whw@whw-hadoop:~/test1$ ll
总用量 1420
drwxr-xr-x  2 whw whw    4096 9月  25 23:44 ./
drwxr-xr-x 21 whw whw    4096 9月  28 22:02 ../
-rwxrwxrwx  1 whw whw     546 9月  25 23:44 mapper.py*
-rwxrwxrwx  1 whw whw    1038 9月  25 23:44 reduce.py*
-rwxrw-rw-  1 whw whw     275 9月  25 23:42 run.sh*
-rwxrw-rw-  1 whw whw 1431328 9月  24 21:45 xyj_stopwords.txt*
whw@whw-hadoop:~/test1$

2.然后我们再去本地的hdfs里面创建一个test1的文件

whw@whw-hadoop:~$ hdfs dfs -mkdir /test1
mkdir: `/test1': File exists
whw@whw-hadoop:~$

我这里的文件已经存在了，可以通过这个命令去验证一下

hdfs dfs -ls /test1

然后把我们已经处理好一部分的西游记文件上传到hdfs 本地文件

hdfs dfs -copyFromLocal /home/whw/test1/xyj_stopwords.txt /test1/

注意copyFromLocal的大小写，然后就是我们的这个文件路径，我们直接点击该文件的属性，复制路径和文件名即可，再去终端粘贴，最后一步就是把这个文件放在那里，我们放在本地的test1的文件夹下面，注意后面加了一个/，如果不加这个，就会给这个文件重命名了。

查看

hdfs dfs -ls /test1/

hdfs dfs -cat /test1/xyj_stopwords.txt

3.修改run.sh

首先找到Hadoop的文件路径

sudo find / -name hadoop-stream*

修改完毕

注意由于我之前测试过一次，所以输出文件已经重复了如果去执行文件的时候，发现以下页面，我们只需要把之前的那个run.sh 里面的那个输出的result改成results即可！！

现在我们执行，但是必须在test终端打开

./run.sh

我们可以在闲暇之余，我们可以看看执行的过程，我们在我们的浏览器里面输入，回车即可

127.0.0.1:0880

也可以查看我们Hadoop的配置以及其他参数

结果查看

hdfs dfs -ls /st1/results

hdfs dfs -cat /test1/results/文件名

这里的文件名是我们输入第一条命令的时候会出现一个part文件，把这个文件名名字复制粘贴过来即可

最后注意关闭我们的Hadoop机器

stop-all.sh

每文一语

世界很大，总是会有很巧合的遇见！

在Hadoop环境里面统计西游记文章的词组（hdfs实验）相关推荐

Hadoop hive sqoop zookeeper hbase生产环境日志统计应用案例（hadoop篇）
Hadoop集群安装部署与配置(2015-01-15) 1.集群环境说明主机列表说明: 下文中蓝色部分为实际的执行命令:红色部分是重要的配置信息:"##"后为注释 a. 由于h ...
mac下hadoop环境的搭建以及碰到的坑点
提示:这里有Exit code: 127 Stack trace: ExitCodeException exitCode=127: 错误的解决的方法,在文章最后面一.首先要配置好java环境下载地 ...
mac下hadoop环境的搭建
提示:这里有Exit code: 127 Stack trace: ExitCodeException exitCode=127: 错误的解决的方法,在文章最后面一.首先要配置好java环境下载 ...
GitChat·大数据 | 史上最详细的Hadoop环境搭建
GitChat 作者:鸣宇淳原文: 史上最详细的Hadoop环境搭建关注公众号:GitChat 技术杂谈,一本正经的讲技术 [不要错过文末彩蛋] 前言 Hadoop在大数据技术体系中的地位至关重要 ...
离线分析：Flume+Kafka+HBase+Hadoop通话数据统计
文章目录项目背景项目架构系统环境系统配置框架安装 JDK Hadoop Zookeeper Kafka Flume HBase 项目实现项目结构表设计 HBase Mysql 功能编写 ...
转史上最详细的Hadoop环境搭建
转载的文章,请告知侵删.本人只是做个记录,一面以后找不到. 前言 Hadoop在大数据技术体系中的地位至关重要,Hadoop是大数据技术的基础,对Hadoop基础知识的掌握的扎实程度,会决定在大数据技 ...
Windows下配置单机Hadoop环境
Windows下配置单机Hadoop环境文章目录 Windows下配置单机Hadoop环境下载Hadoop 下载配置文件配置环境变量初始化HDFS 启动Hadoop 关闭Hadoop 常见错误 ...
Hadoop环境搭建教学(二)完全分布式集群搭建；
Hadoop环境搭建教学(一)运行环境,集群规划介绍: 文章目录安装三台 CentOS 7系统一.X-Shell的准备工作二.基本工具安装三.关闭防火墙四.修改Host文件五.3.4.4 ...
Hadoop环境搭建教学(一)运行环境,集群规划介绍；
文章目录前言一.Hadoop的三种运行环境二.集群规划三.需要的基本软件安装下期见前言 Hadoop的运行环境可以是在Windows上,也可以在linux上,但在Windows上运行效率很 ...

在Hadoop环境里面统计西游记文章的词组（hdfs实验）

在Hadoop环境里面统计西游记文章的词组（hdfs实验）相关推荐

最新文章

热门文章