Hadoop 综合训练：文件内容的显示与排序

---

一，显示文件内容

（一）启动hadoop服务

在master虚拟机上执行命令：start-all.sh

（二）创建并上传本地文件

（1）创建students.txt文件

1.在master虚拟机上创建/export/task目录，输入命令：mkdir /export/task

2.在/export/task目录下创建文件students.txt，输入命令：touch /export/task/student.txt

3.向student.txt文件添加如下内容：

李晓文 女 20
张晓航 男 19
郑小刚 男 21
吴文华 女 18
肖云宇 男 22
陈燕文 女 19
李连杰 男 23
艾晓丽 女 21
童安格 男 18

（2）上传文件到HDFS

1.创建/student/input目录，输入命令：hdfs dfs -mkdir -p /student/input

2.上传student.txt文件到HDFS上，输入命令：hdfs dfs -put /export/task/student.txt /student/input

3.在hadoop webui界面查看文件是否上传成功

（三）创建Maven项目：DisplayFile

1.设置为下图所示，单击【Create】按钮

2.删除【Main】主类：右击【Main】类，单击【Delete】

（1）添加相关依赖

1.在pom.xml文件里添加hadoop和junit依赖，内容如下：

<dependencies>                                   
                                 
    <dependency>                                 
        <groupId>org.apache.hadoopgroupId>     
        <artifactId>hadoop-clientartifactId>   
        <version>3.3.4version>                 
    dependency>                                
                                    
    <dependency>                                 
        <groupId>junitgroupId>                 
        <artifactId>junitartifactId>           
        <version>4.13.2version>                
    dependency>                                
dependencies>                                                  

2.单击【maven】，单击那个刷新按钮，它会自动下载相关依赖

（2）创建日志属性文件

1.右击resources目录，单击【new】选择【resources bundle】，弹出下图界面输入log4j，单击【ok】按钮
2.在弹出的【Create Resource Bundle】对话框中输入：log4j，单击【OK】按钮

3.log4j.properties文件添加如下内容：

log4j.rootLogger=INFO, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/wordcount.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（四）创建读取文件类：ReadFileOnHDFS

1.右击【net.army.mr】包，选择【new】，单击【java class】
2.在弹出的对话框输入ReadFileOnHDFS，按下回车键

3.编写代码

package net.army.hdfs;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URI;

/**
 * 作者：梁辰兴
 * 日期：2022/12/14
 * 功能：读取HDFS上的文件
 */
public class ReadFileOnHDFS {
    public static void main(String[] args) throws Exception {
        // 创建配置对象
        Configuration conf = new Configuration();
        // 设置数据节点主机名属性
        conf.set("dfs.client.use.datanode.hostname", "true");
        // 定义统一资源标识符（uri: uniform resource identifier）
        String uri = "hdfs://master:9000";
        // 创建文件系统对象（基于HDFS的文件系统）
        FileSystem fs = FileSystem.get(new URI(uri), conf, "root");
        // 创建路径对象（指向文件）
        Path path = new Path(uri + "/student/input/student.txt");
        // 创建文件系统数据字节输入流（进水管：数据从文件到程序）
        FSDataInputStream in = fs.open(path);
        // 创建缓冲字符输入流，提高读取效率（字节流-->字符流-->缓冲流）
        BufferedReader br = new BufferedReader(new InputStreamReader(in));
        // 定义行字符串变量
        String nextLine = "";
        // 通过循环遍历缓冲字符输入流
        while ((nextLine = br.readLine()) != null) {
            // 在控制台输出读取的行
            System.out.println(nextLine);
        }
        // 关闭缓冲字符输入流
        br.close();
        // 关闭文件系统数据字节输入流
        in.close();
        // 关闭文件系统
        fs.close();
    }
}

（五）运行ReadFileOnHDFS类，查看结果

二，完成数据排序

（一）启动hadoop服务

输入命令：start-all.sh

（二）创建Maven项目：SortByAge

（1）创建：SortByAge

1.配置为如下图所示，单击【Create】按钮
2.如果不想关闭当前项目，就单击【New Window】

3.成功创建并打开了项目，然后删除【Main】类，如下图操作即可

（2）添加相关依赖

1.向pom.xml文件里添加hadoop和junit依赖，内容如下：

<dependencies>                                        
                                      
    <dependency>                                      
        <groupId>org.apache.hadoopgroupId>          
        <artifactId>hadoop-clientartifactId>        
        <version>3.3.4version>                      
    dependency>                                     
                                         
    <dependency>                                      
        <groupId>junitgroupId>                      
        <artifactId>junitartifactId>                
        <version>4.13.2version>                     
    dependency>                                     
dependencies>              

2.添加完成后的示例图

3.刷新本地的maven仓库，如果没有下载，会自动下载依赖到本地：单击【Maven】，单击【刷新】按钮

（3）创建日志文件

1.在resources目录里创建log4j.properties文件，右击【resources】，选择【New】，单击【Resource Bundle】
2.在弹出的对话框中输入：log4j，按【OK】按钮，成功创建

3.向log4j.properties文件添加如下内容：

log4j.rootLogger=INFO, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/topnscore.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

（三）创建实体类：FlowBean

1.右击【net.army.mr】，选择【New】，单击【Java Class】
2.在弹出的对话框中输入：FlowBean，按下回车键，成功创建

3.编写代码

package net.army.mr;

import org.apache.hadoop.io.WritableComparable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * 作者：梁辰兴
 * 日期：2022/12/17
 * 功能：序列化方法
 */
public class FlowBean implements WritableComparable<FlowBean> {
    String name;
    String sex;
    int age;

    @Override
    public String toString() {
        return "FlowBean{" +
                "name='" + name + '\'' +
                ", sex='" + sex + '\'' +
                ", age=" + age +
                '}';
    }

    public String getSex() {
        return sex;
    }

    public void setSex(String sex) {
        this.sex = sex;
    }

    public int getAge() {
        return age;
    }

    public void setAge(int age) {
        this.age = age;
    }

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public int compareTo(FlowBean o) {
            return o.getAge() - this.getAge();
    }

    @Override
    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeUTF(name);
        dataOutput.writeUTF(sex);
        dataOutput.writeInt(age);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {
        name = dataInput.readUTF();
        sex = dataInput.readUTF();
        age = dataInput.readInt();
    }
}

（四）创建年龄排序映射器类：SortByAgeMapper

1.右击【net.army.mr】，选择【New】，单击【Java Class】
2.在弹出的对话框中输入：SortByAgeMapper，按下回车键，成功创建

3.编写代码

package net.army.mr;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * 作者：梁辰兴
 * 日期：2022/12/16
 * 功能：年龄排序映射器类
 */
public class SortByAgeMapper extends Mapper<LongWritable, Text, FlowBean, NullWritable> {
    public void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        // 获取行
        String line = value.toString();
        // 拆分
        String[] nums = line.split(" ");
        // 抓取数据
        String name = nums[0];
        String sex = nums[1];
        int age = Integer.parseInt(nums[2]);
        // 创建flowbean对象
        FlowBean flowBean = new FlowBean();
        flowBean.setName(name);
        flowBean.setSex(sex);
        flowBean.setAge(age);
        // 传出
        context.write(flowBean, NullWritable.get());
    }
}

（五）创建年龄排序归并器类：SortByAgeReducer

1.右击【net.army.mr】，选择【New】，单击【Java Class】

2.在弹出的对话框中输入：SortByAgeReducer，按下回车键，成功创建

3.编写代码

package net.army.mr;

import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * 作者：梁辰兴
 * 日期：2022/12/16
 * 功能：年龄排序归并器类
 */
public class SortByAgeReducer extends Reducer<FlowBean, NullWritable, Text, NullWritable> {
    @Override
    protected void reduce(FlowBean key, Iterable<NullWritable> values, Reducer<FlowBean, NullWritable, Text, NullWritable>.Context context) throws IOException, InterruptedException {
        for (NullWritable value : values) {
            // 拼接数据
            String StudentInfo = key.getName() + "\t" + key.sex + "\t" + key.age;
            // 传出
            context.write(new Text(StudentInfo), NullWritable.get());
        }
    }
}

（六）创建年龄排序驱动器类：SortByAgeDriver

1.右击【net.army.mr】，选择【New】，单击【Java Class】
2.在弹出的对话框中输入：SortByAgeDriver，按下回车键，成功创建

3.编写代码

package net.army.mr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.net.URI;

/**
 * 作者：梁辰兴
 * 日期：2022/12/16
 * 功能：年龄排序驱动器类
 */
public class SortByAgeDriver {
    public static void main(String[] args) throws Exception {
        // 创建配置对象
        Configuration conf = new Configuration();
        // 设置数据节点主机名属性
        conf.set("dfs.client.use.datanode.hostname", "true");

        // 获取作业实例
        Job job = Job.getInstance(conf);

        // 设置作业启动类
        job.setJarByClass(SortByAgeDriver.class);

        // 设置Mapper类
        job.setMapperClass(SortByAgeMapper.class);
        // 设置map任务输出键类型
        job.setMapOutputKeyClass(FlowBean.class);
        // 设置map任务输出值类型
        job.setMapOutputValueClass(NullWritable.class);
        
        // 设置Reducer类
        job.setReducerClass(SortByAgeReducer.class);
        // 设置reduce任务输出键类型
        job.setOutputKeyClass(Text.class);
        // 设置reduce任务输出值类型
        job.setOutputValueClass(NullWritable.class);

        // 定义uri字符串
        String uri = "hdfs://master:9000";
        // 创建输入目录
        Path inputPath = new Path(uri + "/student/input");
        // 创建输出目录
        Path outputPath = new Path(uri + "/student/output");

        // 获取文件系统
        FileSystem fs = FileSystem.get(new URI(uri), conf);
        // 删除输出目录
        fs.delete(outputPath, true);

        // 给作业添加输入目录
        FileInputFormat.addInputPath(job, inputPath);
        // 给作业设置输出目录
        FileOutputFormat.setOutputPath(job, outputPath);

        // 等待作业完成
        job.waitForCompletion(true);

        // 输出统计结果
        System.out.println("======统计结果======");
        FileStatus[] fileStatuses = fs.listStatus(outputPath);
        for (int i = 1; i < fileStatuses.length; i++) {
            // 输出结果文件路径
            System.out.println(fileStatuses[i].getPath());
            // 获取文件输入流
            FSDataInputStream in = fs.open(fileStatuses[i].getPath());
            // 将结果文件显示在控制台
            IOUtils.copyBytes(in, System.out, 4096, false);
        }
    }
}

（七）运行SortByAgeDriver类，查看结果