MapReduce编程实践（基于deepin 20.2社区版&Hadoop 3.1.3）

参考资料：MapReduce编程实践(Hadoop3.1.3) 厦大数据库实验室博客

词频统计任务要求

首先，在Linux系统本地创建两个文件wordfile1.txt和wordfile2.txt。在实际应用中，这两个文件可能会非常大，会被分布存储到多个节点上。但是，为了简化任务，这里的两个文件只包含几行简单的内容。
文件wordfile1.txt和wordfile2.txt的内容如下：

假设HDFS中有一个/user/hadoop/input/目录并且为空，请把文件wordfile1.txt和wordfile2.txt上传到HDFS中的/user/hadoop/input/目录下。现在需要设计一个词频统计程序，统计input文件夹下所有文件中每个单词的出现次数，也就是说，程序应该输出如下形式的结果：

fast    1
good    1
Hadoop  2
I       2
is      2
love    2
Spark   2

在Eclipse中创建项目

打开Eclipse，在/home/hadoop/workspace/中创建项目WordCount。

点击“Next”，进入下一步设置之后，点击“Libraries”选项卡，然后点击右侧的“Add External JARs…”向Java工程中加入以下JAR包：

• /usr/local/hadoop/share/hadoop/common/目录下的hadoop-common-3.1.3.jar和hadoop-nfs-3.1.3.jar。
• /usr/local/hadoop/share/hadoop/common/lib/目录下的所有JAR包。
• /usr/local/hadoop/share/hadoop/mapreduce/目录下的所有JAR包（注意：不包括jdiff、lib、lib-examples和sources目录）。
• /usr/local/hadoop/share/hadoop/mapreduce/lib/目录下的所有JAR包。

点击“Finish”完成项目的创建。

编写Java应用程序

在左侧的“Package Explorer”中找到刚刚创建好的WordCount工程，右键选择“New→Class”新建Java类文件。

WordCount.java代码如下：

import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {
     
    public WordCount() {
     
    }

    public static void main(String[] args) throws Exception {
     
    	Configuration conf = new Configuration();
        String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
        if (otherArgs.length < 2) {
     
            System.err.println("Usage: wordcount  [...] ");
            System.exit(2);
        }
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(WordCount.TokenizerMapper.class);
        job.setCombinerClass(WordCount.IntSumReducer.class);
        job.setReducerClass(WordCount.IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class); 
        for (int i = 0; i < otherArgs.length - 1; ++i) {
     
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }

    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
     
        private static final IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public TokenizerMapper() {
     
        }

        public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
     
            StringTokenizer itr = new StringTokenizer(value.toString()); 
            while (itr.hasMoreTokens()) {
     
                this.word.set(itr.nextToken());
                context.write(this.word, one);
            }
        }
    }

    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
     
        private IntWritable result = new IntWritable();

        public IntSumReducer() {
     
        }

        public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
     
            int sum = 0;
            IntWritable val;
            for (Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
     
                val = (IntWritable)i$.next();
            }
            this.result.set(sum);
            context.write(key, this.result);
        }
    }
}

编译打包程序

点击上方“Run”选项卡，选择“Run As”，点击“Java Application”，运行程序：

下面可以把Java应用程序打包生成JAR包，部署到Hadoop平台上运行。JAR包放在/usr/local/hadoop/myapp/目录下，在此前的实验中已经创建过该目录，如果该目录不存在，可以使用如下命令创建：

$ mkdir /usr/local/hadoop/myapp

在Eclipse工作界面左侧的“Package Explorer”中找到工程WordCount，点击鼠标右键，选择“Export…”，在弹出的界面中选择“Runnable JAR file”。


此时，/usr/local/hadoop/myapp/目录下已经打包好了一个名为WordCount.jar的文件。

运行程序

首先启动Hadoop：

$ cd /usr/local/hadoop
$ ./sbin/start-dfs.sh
$ jps

删除HDFS中与当前用户hadoop对应的input和output目录（即HDFS中的/user/hadoop/input/和/user/hadoop/output/目录），这样确保后面程序运行不会出现问题：

$ ./bin/hdfs dfs -rm -r input
$ ./bin/hdfs dfs -rm -r output

在HDFS中新建与当前用户hadoop对应的input目录，即/user/hadoop/input/目录：

$ ./bin/hdfs dfs -mkdir input

把之前在Linux本地文件系统中新建的两个文件wordfile1.txt和wordfile2.txt上传到HDFS中的/user/hadoop/input目录下：

$ ./bin/hdfs dfs -put ~/Desktop/wordfile1.txt input
$ ./bin/hdfs dfs -put ~/Desktop/wordfile2.txt input

查看HDFS中的/user/hadoop/input目录：

$ ./bin/hdfs dfs -ls input

运行程序，词频统计结果被写入到HDFS的/user/hadoop/output/目录中，运行结束后查看词频统计结果：

$ ./bin/hadoop jar ./myapp/WordCount.jar input output
$ ./bin/hdfs dfs -cat output/*

关闭Hadoop：

$ ./sbin/stop-dfs.sh