基于Hadoop的WordCount案例实现（Linux版本）

读书无论资性高低，但能勤学好问，凡事思一个所以然，自有义理贯通之日
立身不嫌家世贫贱，但能忠厚老成，所行无一毫苟且处，便为乡党仰望之人

注意事项

1. 本分布式集群包含3台虚拟机，操作系统均为Linux
2. 本次使用的统计文本大小为4.32MB
3. 若使用单台虚拟机，即伪分布式集群，或者分布式集群运算能力较弱，可以使用该4.32MB的文本
4. 若想尝试大数据量运算，可将该文本进行自我复制到1GB大小，并以此产生多个副本
5. 本分布式集群HDFS架构如下

节点	主机名	NameNode	DataNode	Secondary NameNode	Resource Manager	Node Manager
主节点	master	√	√		√	√
从节点	slave1		√	√		√
从节点	slave2		√			√

准备工作

统计文本

该统计文本大小为4.32MB，也可使用自己生成的统计文本 提取码w3ci

软件

1. Xftp （类似的SFTP、FTP文件传输软件均可，如国产的FinalShell）
2. Xshell （类似的安全终端模拟软件均可，如SecureCRT）

• Xftp以及Xshell均包含在Xmanager软件产品中 提取码7r9h
• SecureCRT 提取码fcjd
• Xshell以及SecureCRT下载一个即可，建议下载Xshell

具体步骤

注意：以下操作均在主节点虚拟机（master）上执行，无需在各虚拟机均执行

使用Xsehll连接虚拟机

1. 点击“文件”→“新建”
2. 填写“名称”和“主机”，“主机”为IP地址，“名称”尽量填写IP地址，点击“确定”
3. 在会话中选择“172.16.29.94”，点击“连接”，依次输入“用户名”和“密码”，“用户名”和“密码”为登录该虚拟机的用户名和密码，最后点击“确定”
   
   在Xshell显示界面显示如下信息即为连接成功

Connecting to 172.16.29.94:22…
Connection established.
To escape to local shell, press ‘Ctrl+Alt+]’.

Last login: Wed Oct 9 12:07:14 2019 from 172.28.54.186
[root@master ~]#

其中[root@master~]中的master为该虚拟机的主机名，即hostname，每台虚拟机可能会不一样

创建本地存放文件目录

1. 输入命令cd /hadoop/，进入/hadoop目录
   ([root@master~]# cd /hadoop/)
2. 输入命令mkdir localfile，创建本地存放统计文件的目录
   ([root@master~]# mkdir localfile)
3. 输入命令cd localfile，进入localfile目录

使用Xftp导入统计文本

1. 打开Xftp，点击“文件”→“新建”
2. 填写“名称”、“主机”、“用户名”和“密码”，“主机”填写IP地址，名称尽量填写IP地址，“用户名”和“密码”为登录该虚拟机的用户名和密码
3. “协议”更改为“SFTP”
4. 点击“选项”，勾选“使用UTF-8”编码，点击“确定”，否则连接时虚拟机中的文件名称会产生乱码
5. 选择名称为“172.16.29.94”的会话，点击“连接”
6. 在虚拟机地址栏输入/hadoop/localfile，进入该目录
7. 将本地统计文件拖拽到虚拟机localfile目录下
   
   传输完成如下
   
8. 在Xshell中输入命令ll，显示信息如下
   ([root@master localfile]# ll)

总用量 4436
-rw-r–r-- 1 root root 4538523 10月 9 12:20 data.txt

在HDFS文件系统中创建统计文本数据输入目录

当前目录为localfile时，输入命令hadoop fs -mkdir /input创建统计文本数据输入目录
([root@master localfile]# hadoop fs -mkdir /input)

向输入目录传输统计文本

当前目录为localfile时，输入命令hadoop fs -put data.txt /input，向/input目录传输data.txt文件（该文件名以自己的统计文本名为准）
([root@master localfile]# hadoop fs -put data.txt /input)
传输完成后，输入命令hadoop fs -ls /input，若出现如下信息，则文件传输成功
([root@master localfile]# hadoop fs -ls /input)

Found 1 items
-rw-r–r-- 3 root supergroup 4538523 2019-10-09 12:38 /input/data.txt

使用Hadoop自带的MapReduce编程模型进行统计运算

1. 输入命令cd ~，进入根目录
2. 输入命令cd /hadoop/hadoop-2.7.7/share/hadoop/mapreduce/，进入mapreduce目录
   (`[root@master ~]# cd /hadoop/hadoop-2.7.7/share/hadoop/mapreduce/``)
3. 输入命令hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount /input /output进行统计运算
   ([root@master mapreduce]# hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount /input /output)

19/10/09 12:47:55 INFO client.RMProxy: Connecting to ResourceManager at master/172.16.29.94:8032
19/10/09 12:47:56 INFO input.FileInputFormat: Total input paths to process : 1
19/10/09 12:47:56 INFO mapreduce.JobSubmitter: number of splits:1
19/10/09 12:47:56 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1569750862651_0004
19/10/09 12:47:56 INFO impl.YarnClientImpl: Submitted application application_1569750862651_0004
19/10/09 12:47:56 INFO mapreduce.Job: The url to track the job: http://master:8088/proxy/application_1569750862651_0004/
19/10/09 12:47:56 INFO mapreduce.Job: Running job: job_1569750862651_0004
19/10/09 12:48:01 INFO mapreduce.Job: Job job_1569750862651_0004 running in uber mode : false
19/10/09 12:48:01 INFO mapreduce.Job: map 0% reduce 0%
19/10/09 12:48:07 INFO mapreduce.Job: map 100% reduce 0%
19/10/09 12:48:12 INFO mapreduce.Job: map 100% reduce 100%
19/10/09 12:48:12 INFO mapreduce.Job: Job job_1569750862651_0004 completed successfully
19/10/09 12:48:12 INFO mapreduce.Job: Counters: 49
File System Counters
FILE: Number of bytes read=483860
（省略）
File Input Format Counters
Bytes Read=4538523
File Output Format Counters
Bytes Written=356409

注意：由于各个虚拟机版本不一致，hadoop-mapreduce-examples-2.7.7.jar需要根据自己虚拟机的mapreduce目录中的JAR包来写，可以在写hadoop-mapreduce-examples时使用Tab键自动补全，或者在mapreduce目录下使用ll命令查找虚拟机上自带的JAR包名，如下所示

[root@master mapreduce]# ll
总用量 4984
-rw-r–r-- 1 user ftp 540117 7月 19 2018 hadoop-mapreduce-client-app-2.7.7.jar
-rw-r–r-- 1 user ftp 773735 7月 19 2018 hadoop-mapreduce-client-common-2.7.7.jar
-rw-r–r-- 1 user ftp 1556812 7月 19 2018 hadoop-mapreduce-client-core-2.7.7.jar
-rw-r–r-- 1 user ftp 189951 7月 19 2018 hadoop-mapreduce-client-hs-2.7.7.jar
-rw-r–r-- 1 user ftp 27831 7月 19 2018 hadoop-mapreduce-client-hs-plugins-2.7.7.jar
-rw-r–r-- 1 user ftp 62388 7月 19 2018 hadoop-mapreduce-client-jobclient-2.7.7.jar
-rw-r–r-- 1 user ftp 1556921 7月 19 2018 hadoop-mapreduce-client-jobclient-2.7.7-tests.jar
-rw-r–r-- 1 user ftp 71617 7月 19 2018 hadoop-mapreduce-client-shuffle-2.7.7.jar
-rw-r–r-- 1 user ftp 296044 7月 19 2018 hadoop-mapreduce-examples-2.7.7.jar
drwxr-xr-x 2 user ftp 4096 7月 19 2018 lib
drwxr-xr-x 2 user ftp 30 7月 19 2018 lib-examples
drwxr-xr-x 2 user ftp 4096 7月 19 2018 sources

查看程序运行结果并导出文件

1. 输入命令cd ~，进入根目录
2. 输入命令hadoop fs -ls /output，显示如下信息
   ([root@master ~]# hadoop fs -ls /output)
   其中output目录下的part-r-00000为统计结果

Found 2 items
-rw-r–r-- 3 root supergroup 0 2019-10-09 12:48 /output/_SUCCESS
-rw-r–r-- 3 root supergroup 356409 2019-10-09 12:48 /output/part-r-00000

3. 输入命令hadoop fs -get /output/part-r-00000 result.txt，将part-r-00000文件从HDFS复制到root目录中，重命名为result，文本格式为txt
   ([root@master ~]# hadoop fs -get /output/part-r-00000 result.txt)
4. 打开Xftp并连接到主节点虚拟机，进入根目录，将result.txt文件传输到本地
   
   传输完成如下
   
5. 查看本地运行结果文件
   打开result.txt，内容如下

! 10526
!’ 183
!'By 1
!'t 1
!'twas 1
!, 1
!About 1
（省略）
zodiac 1
zodiacs 1
zone 1
zur 2
zwaggered 1

删除HDFS中output目录中的内容

输入命令hadoop fs -rm -r /output，删除output目录，显示如下信息

19/10/09 13:20:46 INFO fs.TrashPolicyDefault: Namenode trash configuration: Deletion interval = 0 minutes, Emptier interval = 0 minutes.
Deleted /output

输入命令hadoop fs -ls /output，若output目录删除成功则会显示如下信息

ls: `/output’: No such file or directory

若不删除该目录，程序会在下一次执行WordCount程序时报错
命令为[root@master mapreduce]# hadoop jar hadoop-mapreduce-examples-2.7.7.jar wordcount /input /output
错误内容如下

19/10/09 13:17:15 INFO client.RMProxy: Connecting to ResourceManager at master/172.16.29.94:8032
org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://master:9000/output already exists
at org.apache.hadoop.mapreduce.lib.output.FileOutputFormat.checkOutputSpecs(FileOutputFormat.java:146)
at org.apache.hadoop.mapreduce.JobSubmitter.checkSpecs(JobSubmitter.java:266)
at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:139)
（省略）
at java.lang.reflect.Method.invoke(Method.java:498)
at org.apache.hadoop.util.RunJar.run(RunJar.java:226)
at org.apache.hadoop.util.RunJar.main(RunJar.java:141)

错误信息为output目录在HDFS中已存在

基于Hadoop的WordCount案例实现到此就告一段落
有疑问的朋友可以在下方留言或者私信我，我尽量尽早回答
欢迎各路大神指点、交流！
求关注！求点赞！求转发！