环境准备
安装Hadoop
访问 Hadoop官网 ，下载Hadoop到Windows本地 ，本例中下载的是 hadoop-3.0.0.tar.gz 。
将 Hadoop 解压到合适的目录，并设置环境变量：
HADOOP_HOME=C:\DevTolls\hadoop-3.0.0并在 Path 环境变量增加两项：
%HADOOP_HOME%\bin;%HADOOP_HOME%\sbin;安装winutils插件
访问 winutils的Git项目地址 ，将下载的压缩包进行解压。
根据你的 hadoop 版本，将对应的目录下的 hadoop.dll和winutils.exe 复制到 hadoop 的 \bin 目录。
若缺少 winutils.exe 的情况下启动 MapReduce 作业会出现如下错误：
2020-04-13 18:47:37,788 WARN [org.apache.hadoop.util.Shell] - Did not find winutils.exe: {}
java.io.FileNotFoundException: Could not locate Hadoop executable: C:\DevTolls\hadoop-3.0.0\bin\winutils.exe -see https://wiki.apache.org/hadoop/WindowsProblems
Map-Reduce项目
新建Maven项目
打开 IDEA，进行如下操作新建一个Maven项目。
File ==> New ==> Project...，创建一个 Maven 工程，先设置好JDK，选择不使用模板（不需要勾选 Create from archetype），直接 Next 。 设置好 GroupId 、ArtifactId 和 Project name 完成项目创建。
引入Maven依赖
修改 pom.xml 文件，添加 Hadoop 相关的依赖，根据自己的实际情况，选择合适的版本。
-
<?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>com.pengjunlee
</groupId>
-
<artifactId>wordcount-test
</artifactId>
-
<version>1.0-SNAPSHOT
</version>
-
-
<properties>
-
<project.build.sourceEncoding>UTF-8
</project.build.sourceEncoding>
-
<!--设置hadoop版本-->
-
<hadoop.version>3.0.0
</hadoop.version>
-
</properties>
-
-
<dependencies>
-
<!--hadoop 依赖-->
-
<dependency>
-
<groupId>junit
</groupId>
-
<artifactId>junit
</artifactId>
-
<version>4.12
</version>
-
</dependency>
-
<dependency>
-
<groupId>org.apache.hadoop
</groupId>
-
<artifactId>hadoop-client
</artifactId>
-
<version>${hadoop.version}
</version>
-
</dependency>
-
<dependency>
-
<groupId>org.apache.hadoop
</groupId>
-
<artifactId>hadoop-common
</artifactId>
-
<version>${hadoop.version}
</version>
-
</dependency>
-
<dependency>
-
<groupId>org.apache.hadoop
</groupId>
-
<artifactId>hadoop-hdfs
</artifactId>
-
<version>${hadoop.version}
</version>
-
</dependency>
-
</dependencies>
-
-
-
</project>
编写代码
WordcountMapper
-
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;
-
-
/**
-
* KEYIN:默认情况下，是mr框架所读到的一行文本的起始偏移量，Long;
-
* 在hadoop中有自己的更精简的序列化接口，所以不直接用Long，而是用LongWritable
-
* VALUEIN:默认情况下，是mr框架所读到的一行文本内容，String;此处用Text
-
* KEYOUT:是用户自定义逻辑处理完成之后输出数据中的key,在此处是单词，String；此处用Text
-
* VALUEOUT，是用户自定义逻辑处理完成之后输出数据中的value，在此处是单词次数，Integer，此处用IntWritable
-
* @author Administrator
-
*/
-
public
class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
-
/**
-
* map阶段的业务逻辑就写在自定义的map()方法中
-
* maptask会对每一行输入数据调用一次我们自定义的map（）方法
-
*/
-
@Override
-
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
-
-
// 1 将maptask传给我们的文本内容先转换成String
-
String line = value.toString();
-
-
// 2 根据空格将这一行切分成单词
-
String[] words = line.split(
" ");
-
-
// 3 将单词输出为<单词，1>
-
for(String word:words){
-
// 将单词作为key，将次数1作为value,以便于后续的数据分发，可以根据单词分发，以便于相同单词会到相同的reducetask中
-
context.write(
new Text(word),
new IntWritable(
1));
-
}
-
}
-
}
WordcountReducer
-
import org.apache.hadoop.io.IntWritable;
-
import org.apache.hadoop.io.Text;
-
import org.apache.hadoop.mapreduce.Reducer;
-
-
import java.io.IOException;
-
-
/**
-
* KEYIN , VALUEIN 对应mapper输出的KEYOUT, VALUEOUT类型
-
* KEYOUT，VALUEOUT 对应自定义reduce逻辑处理结果的输出数据类型 KEYOUT是单词 VALUEOUT是总次数
-
*/
-
public
class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
-
-
/**
-
* key，是一组相同单词kv对的key
-
*/
-
@Override
-
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
-
-
int count =
0;
-
-
// 1 汇总各个key的个数
-
for(IntWritable value:values){
-
count +=value.get();
-
}
-
-
// 2输出该key的总次数
-
context.write(key,
new IntWritable(count));
-
}
-
}
WordcountDriver
-
package com.pengjunlee.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;
-
-
/**
-
* 相当于一个yarn集群的客户端，
-
* 需要在此封装我们的mr程序相关运行参数，指定jar包
-
* 最后提交给yarn
-
* @author Administrator
-
*/
-
public
class WordcountDriver {
-
public static void main(String[] args) throws Exception {
-
// 1 获取配置信息，或者job对象实例
-
Configuration configuration =
new Configuration();
-
// 8 配置提交到yarn上运行,windows和Linux变量不一致
-
// configuration.set("mapreduce.framework.name", "yarn");
-
// configuration.set("yarn.resourcemanager.hostname", "node22");
-
Job job = Job.getInstance(configuration);
-
-
// 6 指定本程序的jar包所在的本地路径
-
// job.setJar("/home/admin/wc.jar");
-
job.setJarByClass(WordcountDriver.class);
-
-
// 2 指定本业务job要使用的mapper/Reducer业务类
-
job.setMapperClass(WordcountMapper.class);
-
job.setReducerClass(WordcountReducer.class);
-
-
// 3 指定mapper输出数据的kv类型
-
job.setMapOutputKeyClass(Text.class);
-
job.setMapOutputValueClass(IntWritable.class);
-
-
// 4 指定最终输出的数据的kv类型
-
job.setOutputKeyClass(Text.class);
-
job.setOutputValueClass(IntWritable.class);
-
-
// 5 指定job的输入原始文件所在目录
-
FileInputFormat.setInputPaths(job,
new Path(args[
0]));
-
FileOutputFormat.setOutputPath(job,
new Path(args[
1]));
-
-
// 7 将job中配置的相关参数，以及job所用的java类所在的jar包， 提交给yarn去运行
-
// job.submit();
-
boolean result = job.waitForCompletion(
true);
-
System.exit(result?
0:
1);
-
}
-
}
log4j.properties
在 /resources 目录下添加 log4j.properties 配置。
-
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
启动测试
模拟数据
在项目根目录下新建一个 /input 文件夹，用来存放测试数据。
demo.txt 内容如下：
-
hello world
-
dog fish
-
hadoop
-
spark
-
hello world
-
dog fish
-
hadoop
-
spark
-
hello world
-
dog fish
-
hadoop
-
spark
配置启动参数
按照如下指引，新建一个启动配置。其中 Program arguments 中需指定输入样本数据目录和统计结果输出目录（必须是一个不存在的目录，否则会报错）。
测试结果
启动 Application ，运行完成之后项目根目录下会多出来一个 /output 目录，里面存放了程序的执行结果。
part-r-00000文件内容如下：
-
dog 3
-
fish 3
-
hadoop 3
-
hello 3
-
spark 3
-
world 3
转载：https://blog.csdn.net/pengjunlee/article/details/105494757
查看评论