Before:前提:hadoop叢集應部署完畢。
一、實戰科目:做一個Map Reduce分散式開發,開發內容為統計檔案中的單詞出現次數。
二、戰前準備
1、本人在本地建立了一個用於執行MR的的檔案,檔案中有209行,每行寫了“這是一個測試檔案”的句子。
2、將該檔案上傳至HDFS中。你可以使用idea中的外掛上傳、也可以使用HDFS的視覺化頁面上傳、也可以使用HDFS的命令上傳,都可以。目的達到就行。
3、準備好開發環境,準備開發。
三、開戰!
1、開啟idea,建立com.test.hadoop.mr的包
2、在該包下建立MyWordCount的Java類,並進行如下程式設計
package com.test.hadoop.mr; 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; public class MyWordCount { public static void main(String[] args) throws Exception { Configuration conf = new Configuration(true); Job job = Job.getInstance(conf); job.setJarByClass(MyWordCount.class); // Specify various job-specific parameters job.setJobName("myJob"); Path input = new Path("/testApi/testUploadFile.txt"); FileInputFormat.addInputPath(job, input);//檔案輸入格式化;還有其他的資料來源的輸入格式化 Path output = new Path("/testApi/mr_output.txt"); if (output.getFileSystem(conf).exists(output)){ output.getFileSystem(conf).delete(output,true);//一般不刪除! } FileOutputFormat.setOutputPath(job, output); job.setMapperClass(MyMapper.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); job.setReducerClass(MyReducer.class); // Submit the job, then poll for progress until the job is complete job.waitForCompletion(true); } }
3、建立對應的MyMapper和MyReducer類
MyMapper
package com.test.hadoop.mr; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; import java.io.IOException; import java.util.StringTokenizer; public 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 { //AAA BBB CCC StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one);//引用傳參,減少建立物件的次數。 } } }
MyReducer
package com.test.hadoop.mr; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; import java.io.IOException; public class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable> { //相同的key為一組,呼叫方法,然後在方法內迭代一組資料進行計算(sum/max/min/count/...)。 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); } }
4、打jar包
右鍵專案根目錄,點選Open Module Settings;然後選擇Artifacts,然後右邊欄選擇要打包的主類以及是否新增lib(lib可能會很大,建議不要在jar中新增lib)。
然後,在build中選擇build Artifacts進行編譯。
在你設定的目錄下,發現輸出的jar檔案。
5、上傳叢集
將該檔案上傳叢集某節點,這裡選擇節點1。
6、執行
定位到jar目錄,輸入命令,並執行
hadoop jar hadoop_hdfs_api.jar com.test.hadoop.mr.MyWordCount
成功執行!
7、檢視結果
在節點1的對應位置找到結果檔案,cat檢視內容
成功統計,說明邏輯以及實戰執行均無誤!
四、實戰總結
首先,要了解MapReduce的執行機制,在客戶端的開發中,我們不僅要使用Java實現客戶端的基礎配置外,還要實現Map Task即對應的MyMapper類,還要實現Reduce Task即對應的MyReducer類。
其次,在進行執行時,可能會報編譯版本過高的錯誤,即你的伺服器版本使用java8,而idea本身使用更高版本的Java編譯,就會導致此問題,博主就遇到了。因此,要不就是升級伺服器Java版本,要麼就要用低版本Java進行編譯,生成jar。兩種策略中,伺服器能不動就不動,因為改動成本太大。所以使用idea低版本進行編譯,具體如何設定請自行百度或Google。
最後,Java類的編寫要參考原始碼中的例子,在知道了MR的邏輯執行之後,要懂得程式碼的實現,這條路還很漫長,要加油!