hadoop入门五步走

第一步 安装hadoop集群

• 1、安装jdk，当前为jdk8，jdk9、10、11由于会移除一些类，导致hadoop集群安装失败 安装细节不在赘述
• 2、hadoop的安装细节
• 注意的地方：Namenode和ResourceManger如果不是同一台机器，不能在NameNode上启动 yarn，应该在ResouceManager所在的机器上启动yarn。 第二步 理解相关概念以及hadoop的模型

• 第三步 操作操作 *1、 直接在服务端操作使用hadoop命令做一些操作

  给出一个文件上传到hdfs和下载到本地的example

  # 1st  在本地新建一个文件
  [root@node21 admin]# cat wc.txt 
  a,1 b,1 b,5
  a,3 c,3 d,15 e,11
  a,2 d,2
  # 2st 在hadoop上创建一个目录，用于存放该文件
  [root@node21 admin] hadoop fs -mkdir -p  /user/input
  可以看到hadoop的fs命令下，有很多和linux命令相似的地方,无聊可以help看哈
  root@node21 admin]# hadoop fs --help
  --help: Unknown command
  Usage: hadoop fs [generic options]
      [-appendToFile  ... ]
      [-cat [-ignoreCrc]  ...]
      [-checksum  ...]
      [-chgrp [-R] GROUP PATH...]
      [-chmod [-R]  PATH...]
      [-chown [-R] [OWNER][:[GROUP]] PATH...]
      [-copyFromLocal [-f] [-p] [-l] [-d] [-t ]  ... ]
      [-copyToLocal [-f] [-p] [-ignoreCrc] [-crc]  ... ]
      [-count [-q] [-h] [-v] [-t []] [-u] [-x] [-e]  ...]
      [-cp [-f] [-p | -p[topax]] [-d]  ... ]
      [-createSnapshot  []]
  .................省略一堆堆
  # 3st 上传到该目录
  [root@node21 admin]hadoop fs -put ~/wc.txt  /user/input
  # 4st 查看是否已经存在该文件
  [root@node21 admin]# hadoop fs -ls /user/input
  -rw-r--r--   2 admin supergroup         38 2019-03-30 08:41 /user/input/wc.txt
  #5st  ok接下来下载到本地并查看
  [root@node21 admin]# hadoop fs -get /user/input/wc.txt /home/
  admin/  hadoop/ xzg/    
  [root@node21 admin]# hadoop fs -get /user/input/wc.txt /home/
  [root@node21 admin]# ls /home/
  wc.txt  
  ### 就酱。 

• 2、运行一个hadoop的简单事例，了解map-reduce机制 先给出命令，运行该命令是注意要使用hadoop用户，就是配置hadoop的用户

• hadoop jar /opt/hadoop3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.1.jar wordcount /user/input/word.txt /user/output

  上面hadoop jar 运行jar包，hadoop-mapreduce-examples-3.1.1.jar这个jar就是hadoop自己提供的，这里面有很多简单的例子（有兴趣可以解压或者官网或者到github查看相关源码），wordcount 就是其中一个。这里我们指定运行wordcount例子（用于计算单词数量） 输入路径：/user/input/word.txt 是要我们自己编写文件上传到hdfs的/user/input路径下。内容可参考

  [admin@node21 ~]$ hadoop fs -cat /user/input/word.txt
  i love you

  /user/output是我们指定输出的结果路径 执行结果如下(part-r-00000是默认结果生产的文件，可以hadoop fs -ls /user/outpu查看)：

  [admin@node21 ~]$ hadoop fs -cat /user/output/part-r-00000
  i   1
  love    1
  you 1

• 对大数据以及人工智能概念都是模糊不清的，该按照什么线路去学习，学完往哪方面发展，想深入了解，想学习的同学欢迎加入大数据学习qq群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家，并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系 。从java和linux入手，其后逐步的深入到HADOOP-hive-oozie-web-flume-python-hbase-kafka-scala-SPARK等相关知识一一分享！

  
   

  第四步 本地开发

  我这里使用的idea，作为本地开发工具

• 1st 首先需要导入相关jar包，jar来源就是下载hadoop后解压后的share文件里（具体以个人，不过主要common、hdfs、mapreduce、yarn这几个包下的）

• 图片.png

• 2st 将hadoop服务端的配置文件，加入项目src目录下。项目启动时会使用到，否则会报错

• 图片.png

• 3st 开发前需要配置开发环境的hadoop的path

• 图片.png

  windows本地运行mr程序时(不提交到yarn,运行在jvm靠线程执行)，hadoop.dll防止报nativeio异常、winutils.exe没有的话报空指针异常。

  所以我们需要额外添加这winutils.exe到你本地hadoop的bin目录下， (github下载地址)[https://github.com/steveloughran/winutils] 根据服务端及本地hadoop版本选择，不过我使用3.1的选择的3.0版本

• 4st 一个简单的测试连接服务端hdfs类

• public class Chapter3 {
  
      public static void main(String[] args) {
          try {
              String filename = "hdfs://10.11.91.225:9000/user/input/data.txt";
              Configuration conf = new Configuration();
              conf.set("fs.defaultFS", "hdfs://10.11.91.225:9000");
  //            conf.set("mapreduce.jobtracker.address", "10.11.91.255:9000");
              // 这个解决hdfs问题
              conf.set("fs.hdfs.impl", org.apache.hadoop.hdfs.DistributedFileSystem.class.getName());
              // 这个解决本地file问题
              conf.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());
              FileSystem fs = FileSystem.get(conf);
              if(fs.exists(new Path(filename)))
              {
                  System.out.println("文件存在");
  //                fs.
              }else{
                  System.out.println("文件不存在");
              }
          } catch (Exception e)
          {
              e.printStackTrace();
          }
      }
  }

  上面代码本地开发环境和远程服务的连通测试

• 3st 编写一个任务，从本地开发环境丢到hadoop集群上运行(这是一个计算单词key，合并value的例子) 先写个文件丢到hdfs上

• [admin@node21 ~]$ hadoop fs -cat /user/input/wc.txt
  a,1 b,1 b,5
  a,3 c,3 d,15 e,11
  a,2 d,2

  预期我们想要的结果如下：

  a   6
  b   6
  c   3
  d   17
  e   11

  代码实现，主要三个类

• WordCountMapper 类用于split和map阶段

• // //这个Mapper类是一个泛型类型，它有四个形参类型，分别指定map函数的输入键、输入值、输出键、输出值的类型
  public class WordCountMapper extends Mapper {
      //该方法循环调用，从文件的split中读取每行调用一次，把该行所在的下标为key，该行的内容为value
      protected void map(LongWritable key, Text value,
                         Context context)
              throws IOException, InterruptedException {
          String[] words = StringUtils.split(value.toString(), ' ');
          for(String w :words){
              //a,1 a,2 重新组装a:1 a:2
              String[] kevs = w.split(",");
              context.write(new Text(kevs[0]), new IntWritable(Integer.valueOf(kevs[1])));
          }
      }
  }

• WordCountReducer类用于Shuffle和reduce阶段

• public class WordCountReducer extends Reducer {
  
      //每组调用一次，这一组数据特点：key相同，value可能有多个。
      protected void reduce(Text arg0, Iterable arg1,
                            Context arg2)
              throws IOException, InterruptedException {
          //增加所有的值
          int sum =0;
          for(IntWritable i: arg1){
              sum=sum+i.get();
          }
          arg2.write(arg0, new IntWritable(sum));
      }
  }

• RunJob类为程序的入口和job的设置

• public class RunJob {
  
      public static void main(String[] args) {
          Configuration config =new Configuration();
  //        config.set("fs.defaultFS", "hdfs://HadoopMaster:9000");
          config.set("fs.defaultFS", "hdfs://10.11.91.225:9000");
          //node22为hadoopyarn-site.xml中的配置
          config.set("yarn.resourcemanager.hostname", "node22");
          //设置执行的用户，需要是服务端的hadoop用户，否则无权限执行，报错.AccessControlException: Permission denied
          System.setProperty("HADOOP_USER_NAME", "admin");
  //    config.set("mapred.jar", "C:\\Users\\Administrator\\Desktop\\wc.jar");//先打包好wc.jar
          try {
              FileSystem fs =FileSystem.get(config);
              Job job = Job.getInstance(config);
              job.setJarByClass(RunJob.class);
              job.setJobName("wc");
              job.setMapperClass(WordCountMapper.class);
              job.setReducerClass(WordCountReducer.class);
              job.setMapOutputKeyClass(Text.class);
              job.setMapOutputValueClass(IntWritable.class);
              FileInputFormat.addInputPath(job, new Path("/user/input/wc.txt"));//新建好输入路径，且数据源
              Path outpath =new Path("/user/output/wc");
              if(fs.exists(outpath)){
                  fs.delete(outpath, true);
              }
              FileOutputFormat.setOutputPath(job, outpath);
              boolean f= job.waitForCompletion(true);
              if(f){
                  System.out.println("job任务执行成功");
              }
          } catch (Exception e) {
              e.printStackTrace();
          }
      }
  }

  注意：由于本地为windows下环境需要修改hadoop源码，否则会出现NativeIO$Windows.access错误 (hadoop源码)[https://github.com/apache/hadoop] 下载本地后修改如下文件

  \hadoop-common-project\hadoop-common\src\main\java\org\apache\hadoop\io\nativeio\NativeIO.java

  图片.png

  修改后添加到本地，新建的包名要和hadoop的相同，这样本地执行引入的jar会优先加载该类。

  图片.png

  最后运行成功后，查看运行结果

  [admin@node21 ~]$ hadoop fs -cat /user/output/wc/part-r-00000
  a   6
  b   6
  c   3
  d   17
  e   11

  和预期相同，很好 最后顺便贴出项目结构吧

  图片.png

  第五步 剩下的理解上面的代码，然后根据自己想法编写，已经理解hadoop运行原理和源码。好了，你已经算是入门了，哦 错了 应该是我

  什么 源码？ 那就上传到gayhub