基于Hadoop的分布并行加法的实现

1、搭建好Hadoop环境，包括JDK的安装、Hadoop的安装及文件配置、SSH通信的配置、eclipse Java开发环境的配置（具体安装见最后附件Hadoop安装配置）。

2、本环境配置是在ubuntu下建立了三台虚拟机，一台为master，另两台为slave。打开三台虚拟机，在master上启动Hadoop：

使用jps命令查看结点启动情况，如下表明Hadoop启动成功：

3、打开eclipse，建立工程并配置Hadoop运行（具体安装见最后附件Hadoop安装配置），编程界面如下：

4、MapReduce下分布并行实现多个数相加的程序，代码及详细解释如下：

import java.io.IOException; //异常包

import java.util.StringTokenizer; //分隔字符串，默认用空格来分隔

import org.apache.hadoop.conf.Configured; //任务配置包，配置任务所需的map等函数

import org.apache.hadoop.fs.Path; //设置文件路径

import org.apache.hadoop.io.IntWritable; //Hadoop的数据类型，类似Java中int

import org.apache.hadoop.io.LongWritable; //数据类型，类似Java中long

import org.apache.hadoop.io.Text; //hadoop的数据类型，类似Java中String

import org.apache.hadoop.mapreduce.Job; //控制整个作业运行

import org.apache.hadoop.mapreduce.Mapper; //map接口

import org.apache.hadoop.mapreduce.Reducer; //reduce接口

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; /定义输入路径

import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; /定义输入路径

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; /输出路径

import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; /输出路径

import org.apache.hadoop.util.Tool; //会用到的工具包

import org.apache.hadoop.util.ToolRunner; 

public class sumcount extends Configured implements Tool { 实现map函数

    public static class Map extends Mapper { 

        public void map(LongWritable key, Text value, Context context) throws IOException,InterruptedException { 

            String line = value.toString(); //file01中的1 2 3等值，转换成string

            StringTokenizer tokenizer = new StringTokenizer(line); //以空格为分隔符，分割出各个value

            while(tokenizer.hasMoreElements()){//在while循环中，将每个value改写成Hadoop能够处理的（key,value）形式，如（0,1）、（1,2）、（0,3）......

                String strSorce0 = tokenizer.nextToken(); //依此取每个value

                context.write(new Text("0"), new IntWritable(Integer.parseInt(strSorce0))); //写成（key,value）形式

                if(tokenizer.hasMoreElements())

                {

                 String strSorce1 = tokenizer.nextToken(); 

                    context.write(new Text("1"), new IntWritable(Integer.parseInt(strSorce1))); //因为只配置了两台从属机器，所以我把奇数数字放到了slave1机器上去运行加法，把偶数数字放到了slave2机器上去运行加法，实际中可以根据key值自动分配，相同key值得肯定放到同一台机器上运行，同一机器上也可以放不同key值得value。

                }

            } 

        } 

} 

 

    public static class Reduce extends Reducer { //实现reduce函数

        public void reduce(Text key, Iterable values, Context context)  throws IOException, InterruptedException { 

            int sum = 0; //运算结果，数字相加总和

            for (IntWritable sorce : values) { //使用迭代器按key值依次取value值，并求和。

                sum+=sorce.get(); 

            } 

            context.write(new Text("sum="), new IntWritable((int)(sum)));//结果同样以（key，value）形式写回，如（sum=,25）、（sum=,20）

           }        

    } 

    public int run(String[] arg0) throws Exception { //运行配置

        Job job = new Job(getConf()); //实例化一道作业

        job.setJobName("sumcount"); //设置任务名

        job.setOutputKeyClass(Text.class); //设置该作业的输出key

        job.setOutputValueClass(IntWritable.class);//设置该作业的输出value 

        job.setMapperClass(Map.class); //设置该作业的map类

        job.setReducerClass(Reduce.class); //设置该作业的reduce类

        job.setInputFormatClass(TextInputFormat.class); 

        job.setOutputFormatClass(TextOutputFormat.class); 

        FileInputFormat.setInputPaths(job, new Path(arg0[0])); //设置该作业的输入路径

        FileOutputFormat.setOutputPath(job, new Path(arg0[1])); //设置该作业的输出路径

        boolean success = job.waitForCompletion(true); 

        return success ? 0 : 1; 

    } 

    public static void main(String[] args) throws Exception { //main函数中调用该配置好的作用

        int ret = ToolRunner.run(new sumcount(), args); 

        System.exit(ret); 

    } 

}

5、运行：

在工作目录下建立输入文件夹input，里面放入文件file01，该文件中是一系列数字，是用来做加法的：

在工程上右键，打开Run Configuration运行配置对话框，填写输入文件夹input和输出文件夹outputsum，如下：

点击运行，结果界面如下：

此时再去工程目录下查看，会发现多了一个outputsum输出文件夹，打开后可以看到输出结果：

 

解释一下：

输入文件夹内容为：1 2 3 4 5 6 7 8 9

Master把数字1 3 5 7 9分配给了slave1，把数字2 4 6 8分配给了slave2，所以在输出文件夹中给出的结果是：slave1返回了1+3+5+7+9=25,slave2返回了2+4+6+8=20.

6、另一种方式：不直接在eclipse下运行，而是在命令行下运行该程序：

首先要先将该程序打成jar包（具体方法见最后附件Hadoop安装配置），并放到Hadoop-0.20.2目录下，如下为打好的jar包：sumcount.jar

a、把数字放到输入文件file0中：echo “1 2 3 4 5 6 7 8 9” > file0

b、将文件fileo放到HDFS中的inputsum文件夹中：

hadoop fs -put /home/master/hadoop-0.20.2/file0 inputsum 

放进去后效果如下：

c、在命令行中运行该程序：bin/hadoop jar sumcount.jar inputsum outputsum5，其中的outputsum5为HDFS中的输出文件夹，运行效果如下：

d、运行完后，在命令行查看结果：hadoop fs -cat outputsum5/*

或者在在HDFS中查看结果，可以看到文件夹outputsum5：

点开outputsum5后，效果如下：

附件：Hadoop安装配置

一、安装Linux操作系统

对系统做一下更新：$sudo apt-get update

二、修改机器名,并与IP地址绑定

每当Ubuntu安装成功时，我们的机器名都默认为：ubuntu ，但为了以后集群中能够容易分辨各台服务器，需要给每台机器取个不同的名字。机器名由 /etc/hostname文件决定。步骤如下：
1、$ sudo gedit /etc/hostname,将/etc/hostname文件中的ubuntu改为master。再$ sudo gedit /etc/hosts,将里面的名字也改为master，重启系统后才会生效，或者$sudo source /etc/hostname更新一下文件。其他节点一样修改；

2、测试两台机器之间是否连通：$ ifconfig 查看机器IP地址，$ping 192.168.160.132，并在所有的机器上的"/etc/hosts"文件中都要添加如下内容：

192.168.160.128 master

192.168.160.132 slave

$Ping slave  看看是否绑定成功；
三、在Ubuntu下安装JDK

1、将jdk-6u25-linux-i586.bin拷贝到/home/jay目录下：执行命令jay@master:~$ chmod u+x jdk-6u25-linux-i586.bin，将bin文件修改为可执行文件；

2、运行：$./jdk-6u25-linux-i586.bin，安装文件；

3、打开文件：$sudo gedit /etc/profile  添加如下信息：
export JAVA_HOME=/home/jay/jdk1.6.0_25

export JRE_HOME=/home/jay/jdk1.6.0_25/jre

export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH

export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH   ；

4、然后$source /etc/profile，使文件内容生效；

5、重启，执行命令：$java -version,查看是否安装成功。若显示：
java version "1.6.0_25"

Java(TM) SE Runtime Environment (build 1.6.0_25-b06)

Java HotSpot(TM) Client VM (build 20.0-b11, mixed mode, sharing)，则安装成功。
四、安装ssh服务

ssh可以实现远程登录和管理，是主节点master和各个从几点slave1、slave2之间可以互相通信，传输数据。

1、验证SSH安装，在所有节点上都执行$sudo apt-get install ssh，更新安装；$which ssh、$which sshd、$which ssh-keygen，查看这三个文件是否存在；

2、生成SSH密钥对：使用主节点上的ssh-keygen来生成一个RSA密钥对，jay@master:~$ssh-keygen -t rsa；

3、生成授权文件jay@master:~$cp ~/.ssh/id_rsa.pub ~/.ssh/authorized_keys    ， $more /home/test/.ssh/id_rsa.pub ，该命令用来查看密钥（可不执行）；

4、将主节点上的公钥分布到各从节点：逐一将公钥复制到每个从节点上，$scp ~/.ssh/id_rsa.pub jay@slave:~/.ssh/192.168.160.128 ；

5、手动登录到从节点，并设置密钥为授权密钥，如下执行[jay@slave2]$ mkdir ~/.ssh、$chmod 700 ~/.ssh、$mv ~/.ssh/192.168.160.128 ~/.ssh/authorized_keys、$chmod 600 ~/.ssh/authorized_keys;生成该密钥后，可以尝试从主节点登录到目标节点来验证它的准确性：[jay@master]$ ssh 192.168.160.132.或者[jay@master]$ ssh slave。

 

SSH通信原理：以namenode到datanode为例子：Namenode作为客户端，要实现无密码公钥认证，连接到服务端datanode上时，需要在namenode上生成一个密钥对，包括一个公钥和一个私钥，而后将公钥发布到datanode上。当namenode通过ssh连接datanode时，datanode就会生成一个随机数并用namenode的公钥对随机数进行加密，并发送给namenode。namenode收到加密数之后再用私钥进行解密，并将解密数回传给datanode，datanode确认解密数无误之后就允许namenode进行连接了。这就是一个公钥认证过程，其间不需要用户手工输入密码。重要过程是将客户端namenode公钥复制到datanode上。
五、安装hadoop

第一步：将hadoop-0.20.1.tar.gz文件拷贝到/home/jay目录下。

第二步：jay@master:$ tar -xzvf hadoop-0.20.1.tar.gz  //将文件解压。

第三步：jay@master:$ chown jay:jay hadoop-0.20.1//将文件所有者改成jay。

第四步：jay@master:$ sudo gedit /etc/profile进入文件将如下信息加到文件里：

export HADOOP_HOME=/home/jay/hadoop-0.20.1

export PATH=$HADOOP_HOME/bin:$PATH

第五步：更改conf目录下的conf/core-site.xml, conf/hdfs-site.xml,conf/mapred-site.xml,conf/hadoop-env.sh,conf/masters,conf/slaves 文件。 

a、jay@master:~/home/jay/hadoop-0.20.1/conf/$sudo gedit hadoop-env.sh

进入文件加入如下信息:

export   JAVA_HOME=/home/jay/jdk1.6.0_25

b、jay@master:~/home/jay/hadoop-0.20.1/conf/$sudo gedit masters

进入文件加入如下信息：

192.168.160.128

c、jay@master:~/home/jay/hadoop-0.20.1/conf/$sudo gedit slaves

进入文件加入如下信息:

192.168.160.132 

d、jay@master:~/home/jay/hadoop-0.20.1/conf/$sudo gedit core-site.xml 

进入文件加入如下信息:

     

      hadoop.tmp.dir

      /home/jay/tmp

      A base for other temporary directories.

      fs.default.name

      hdfs://192.168.160.128:9000

 

e、jay@master:~/home/jay/hadoop-0.20.1/conf/$sudo gedit hdfs-site.xml

进入文件加入如下信息：(replication默认是3，如果不修改，datanode少于三台就会报错)。

     

      dfs.replication

      1

     

 

f、jay@master:~/home/jay/hadoop-0.20.1/conf/$sudo gedit mapred-site.xml

进入文件加入如下信息：

      mapred.job.tracker

      192.168.160.128:9001

  

第六步：执行jay@master:~/$ scp hadoop-0.20.1 jay@slave:/home/jay/hadoop-0.20.1  //将文件hadoop-0.20.1拷贝到其它两个虚拟机上就可以了。

六、运行hadoop自带的wordcount程序

第一步：jay@master:~/hadoop-0.20.1/bin/$ hadoop namenode –format   //格式化文件系统，新建一个文件系统；

第二步：jay@master:~/hadoop-0.20.1/$ start-all.sh //启动hadoop的所有守护进程； 

第三步：jay@master:~/hadoop-0.20.1/$ jps   //查看进程，master虚拟机上的结果。要让6个守护进程（namenode、datanode、jobtracker、tasktracker、jps、scendarynamenode）全部启动才可以；在slave2 虚拟机上 jay@slave2:~/hadoop-0.20.1/$ jps，slave节点上启动3个守护进程； 

第四步：先在本地磁盘建立两个输入文件file01 和file02:执行命令jsj@master:~$ echo “Hello World Bye World” > file01、jsj@master:~$ echo “Hello Hadoop Goodbye Hadoop” > file02

第五步： 

先建立个文件夹jay@master:~/hadoop-0.20.1$ hadoop fs -mkdir input；

jay@master:~/hadoop-0.20.1$ bin/hadoop fs -put /home/jay/file1 inputTest//把文件file01和file02放到hdfs文件系统中；

jay@master:~/hadoop-0.20.1$ bin/hadoop jar hadoop-0.20.1-examples.jar wordcount inputTest outputTest   //执行wordcount程序。    

第六步：jsj@master:~/hadoop-0.20.1$ hadoop fs -cat outputTest/*  //查看结果：

Bye 1

Goodbye 1

Hadoop 2

Hello 2

World 2

 

 至此hadoop运行环境已经全部搭建完成。如果要按照此方法搭建请注意每次运行命令的用户和路径。

 

七、eclipse的安装与配置

Eclipse安装Hadoop插件方法：

a、在Hadoop-0.20.2包中--contrib--eclipse-plugin--hadoop-0.20.2-eclipse-plugin.jar包放入到Eclipse--plugins中，重启Eclipse。

b、新建一个工程，file--new--project--Java project--project name--finish。New--class--name--finish。

c、加入Hadoop自带的jar包：工程上右键--build path--configure build path--libraries--add library--user library--next--user library--new--name--ok--add external JARS--Hadoop-0.20.2中的jar包--ok--finish--ok。

d、Eclipse中使用Hadoop：window--open perspective--other--map/reduce。在下方有个大象图标--右键--edit Hadoop location--主机名、用户名、端口号（和conf配置中一致即可）、IP地址--ok。

e、运行：在项目中run configurations--arguments设置参数（也就是上面讲的建立input和output文件夹）--运行，去Java的workplace查看结果。

八、eclipse中将写好的程序打成jar包

1、在工程Hadoopsum上右键，点击export，选择JAR file如下：

点击下一步后，选择要打成jar包的程序sumcount,java，并指定打好的jar包存放路径:

点击下一步后，选择Hadoop运行该程序的入口sumcount.class：

点击finish。到指定目录中寻找该jar包，之后放到Hadoop-0.20.2目录中，就可在命令行下使用该jar包了。