Hadoop基础操作（学习笔记二）

本笔记按照以下四步进行：

1、查看hadoop集群的基本信息

http://master:50070/	HDFS监控服务
http://master:8088/cluster/nodes	集群的计算资源信息
http://master:50070/nn_browsedfscontent.jsp	访问HDFS文件系统的根目录
http://master:8088/cluster/apps	查询当前任务的信息
http://master:19888	日志监控界面

2、把数据文件email_log.txt 上传到HDFS（提取码：qdb2）

这一步分为两部分：

1. 将本机文件上传到master节点虚拟机

​

1. 在master终端输入命令上传到HDFS

输入命令：

hdfs dfs -put /home/email_log.txt /user/test/example

此时在本机浏览器输入http://master:50070/nn_browsedfscontent.jsp，就可以发现，email_log.txt文件就已经上传到HDFS上了。

​

然后你会发现，此时的文件已经被分成2个文件块存储，这是因为在hadoop2.x版本，默认设置的HDFS文件块大小为128MB。并且这个文件还有3个副本，分别存储在不同的数据节点上。

​

 

3、运行MapReduce任务，统计用户登录的次数

在集群服务器的本地目录 “ $HADOOP_HOME/share/hadoop/mapreduce/ ”里会发现示例程序包 hadoop-mapreduce-examples-2.6.5.jar。这里封装了一些常用的测试模块。如下表：

模块名称	内容
multifilewc	统计多个文件中单词的数量
pi	应用quasi-Monte-Carlo算法来估算圆周率Π的值
randomtextwriter	对每个数据节点随机生成一个10G的文本文件
wordcount	对输入文件的单词进行词频数统计
wordmean	计算输入文件单词的平均长度
wordmedian	计算输入文件中单词长度的中位数
wordstandarddeviation	激素按输入文件单词长度的标准差

然后我们可以使用wordcount模块来对文件email_log.txt中的数据进行登录次数的统计。

命令如下：

hadoop jar /usr/local/hadoop-2.6.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.5.jar wordcount /user/test/example/email_log.txt /user/root/output

结果会在/user/root/output目录下产生两个文件：一个是_SUCCESS，它是一个标识文件，表示任务已经完成。另一个是任务执行完成后的产生结果的文件。 

​

 打开part-r-00000会发现第一列是用户名，第二列是用户的登录次数

​

4、多个MapReduce任务的查询与管理

我们在运行另外一个任务计算pi值：

hadoop jar /usr/local/hadoop-2.6.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.5.jar pi 10 100

pi后边有两个参数，分别代表Map数量和每个Map的测算次数，参数越大，计算的结果精确度越高。

此时打开 “ http://master:8088/cluster/apps ” 

​

 图中是对任务的监控界面，此时会发现刚才我们执行的两个任务都在。然后如果想中断其中一个任务，可以点击任务，进去点击，就会中断当前任务。

 

常用的一些命令

1、查询HDFS信息：

hdfs dfsadmin -report [-live] [-dead] [-decommissioning]

-report ：输出文件系统的基本信息及相关数据统计

-report -live：输出文件系统中在线节点的基本信息及相关的数据统计

-report -dead：输出文件系统中失效节点的基本信息及相关数据统计

-report -decommissioning：输出文件系统中听停用节点的基本信息及相关数据统计

2、创建新目录：

hdfs dfs -mkdir [[-p] ]

其中是指定创建目录的路径，-p可以创建多级目录。

3、文件上传：

hdfs dfs [-copyFromLocal [-f] [-p] [-l] ...]	将文件从本地文件系统复制到HDFS文件系统，主要参数为本地文件路径，为复制的目标路径
hdfs dfs [-moveFromLocal ...]	将文件从本地文件系统复制到HDFS文件系统，主要参数为本地文件路径，为复制的目标路径将文件
hdfs dfs [-put [-f] [-p] [-l] ...]	将文件从本地系统上传到HDFS文件系统，主要参数为本地文件路径，为上传的目标路径

4、文件下载：

hdfs dfs [-copyToLocal [-p] [-ignoreCrc] [-crc] ...]	将文件从HDFS文件系统复制到本地文件系统，主要参数为HDFS文件系统路径，为本地文件系统路径
hdfs dfs [-get [-p] [-ignoreCrc] [-crc] ...]	获取HDFS文件系统上指定路径的文件到本地文件系统，主要参数为HDFS文件系统路径，为本地文件系统路径

5、删除文件或目录：

hdfs dfs [-rm [-f] [-r|R] [-skipTrash] ...]	删除HDFS上的文件，主要参数-r用于递归删除，指定删除文件的路径
hdfs dfs [-rmdir [--ignore-fail-on-non-empty] ...]	如果删除的是一个目录，则可以用该方法，主要参数指定目录路径

6、提交MapReduce任务给集群运行：

hadoop jar  [mainClass] args

例子：

hadoop jar /usr/local/hadoop-2.6.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.5.jar wordcount /user/test/example/email_log.txt /user/root/output

hadoop：$HADOOP_HOME/bin下的shell脚本名

jar：hadoop脚本需要的command参数

hadoop-mapreduce-examples-2.x.jar：要执行的jar包在本地文件系统中的完整路径，参递给RunJar类

WordCount：main方法所在的类，参递给RunJar类

 /user/test/example/email_log.txt：传递给WordCount类，作为DFS文件系统的路径，指示输入数据来源

/user/root/output：传递给WordCount类，作为DFS文件系统的路径，指示输出数据路径