实验三 MapReduce分布式计算系统（编程调试WordCount程序）

一、定义
MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)“和"Reduce(归约)”，和它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。 当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归约)函数，用来保证所有映射的键值对中的每一个共享相同的键组。
二、实验步骤
（1）所需系统及工具
HDFS 分布式存储系统
MapReduce 分布式计算系统
YARN hadoop 的资源调度系统
Common 以上三大组件的底层支撑组件，提供基础工具包和 RPC 框架等
（2）HDFS中的常用的命令
-mkdir 在HDFS创建目录 hdfs dfs -mkdir /data
-ls 查看当前目录 hdfs dfs -ls /
-ls -R 查看目录与子目录
-put 上传一个文件 hdfs dfs -put data.txt /data/input
-moveFromLocal 上传一个文件，会删除本地文件：ctrl + X
-copyFromLocal 上传一个文件，与put一样
-copyToLocal 下载文件 hdfs dfs -copyToLocal /data/input/data.txt
-get 下载文件 hdfs dfs -get /data/input/data.txt
-rm 删除文件 hdfs dfs -rm /data/input/data.txt
-getmerge 将目录所有的文件先合并，再下载
-cp 拷贝： hdfs dfs -cp /data/input/data.txt /data/input/data01.txt
-mv 移动： hdfs dfs -mv /data/input/data.txt /data/input/data02.txt
-count 统计目录下的文件个数
-text、-cat 查看文件的内容 hdfs dfs -cat /data/input/data.txt
三、MapReduce工作原理

1.Mapper负责“分”
分解计算任务，规模大大缩小；
“计算向数据靠近” ；
这些小任务可以并行计算。
2.Reducer负责“汇总” map阶段的结果
3.MapReduce的输入输出
4.从启动和资源调度来看MapReduce过程
客户端（Client）
四、运行以下四个程序

（1）拖动生成default.package包
把HDFSFilefExist.java从hdfs.files包中拖出来，它会自动形成另一个包default.package。
（2） 生成jar包
选择存放的路径，最后选择Finish，打包完成
五、传输和解压包（在SecureCRT中运行）
（1）将包传输到SecureCRT里，SecureCRT 【File】→【Connect SFTP Session】开启sftp操作
（2）解压tar -zxvf mp.jar -C /home/shui
六、运行Wordcount程序
（1）运行cd /home/shui/hadoop-2.7.3/share/hadoop/mapreduce 转入wordcount所在路径。
（2）运行wordcount
hadoop jar mp.jar HDFSFileIfExist
七、总结
MapReduce集群中使用大量的低端服务器，因此，节点硬件失效和软件出错是常态，因而一个良好设计、具有高容错性的并行计算系统不能因为节点 失效而影响计算服务的质量，任何节点失效都不应当导致结果的不一致或不确定性;任何一个节点失效时，其他节点要能够无缝接管失效节点的计算任务;当失效节 点恢复后应能自动无缝加入集群，而不需要管理员人工进行系统配置。
MapReduce并行计算软件框架使用了多种有效的错误检测和恢复机制，如节点自动重 启技术，使集群和计算框架具有对付节点失效的健壮性，能有效处理失效节点的检测和恢复。
MapReduce提供了一种抽象机制将程序员与系统层细节隔离开来，程序员仅需描述需要计算什么，而具体怎么去计算就交由系统的执行框架处理，这样程序员可从系统层细节中解放出来，而致力于其应用本身计算问题的算法设计。