合肥工业大学2022大数据技术实验二

实验序号及名称：实验二 在Hadoop平台上部署WordCount程序        实验时间∶ 2022年5月14日  

预习内容

一、实验目的和要求∶ 在Hadoop平台上部署WordCount程序。

二、实验任务∶ 该项任务请同学作为作业自行完成，并提交实验报告。 脱离ide环境运行wordcount

三、实验准备方案，包括以下内容： （硬件类实验：实验原理、实验线路、设计方案等） （软件类实验：所采用的系统、组件、工具、核心方法、框架或流程图、程序清单等）   操作系统：CentOS 7   工具：VMWare WorkstationPro

实验内容

一、实验用仪器、设备：   宿主机（个人笔记本2020年联想拯救者R7000）： 操作系统：Windows10；   虚拟机（VMWare Workstation）：     操作系统：CentOS 7

二、实验内容与步骤（过程及数据记录）： (1) 先在Eclipse中创建“WordCount”MapReduce项目。 (2) 在项目中创建一个新的Java文件命名为“WordCountTest.java”。   (3)在Java文件中输入下列代码： 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 WordCountTest { public WordCountTest() { } 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 test"); job.setJarByClass(WordCountTest.class); job.setMapperClass(WordCountTest.TokenizerMapper.class); job.setCombinerClass(WordCountTest.IntSumReducer.class); job.setReducerClass(WordCountTest.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 IntSumReducer extends Reducer { private IntWritable result = new IntWritable(); public IntSumReducer() { } public void reduce(Text key, Iterable values, Reducer.Context context) throws IOException, InterruptedException { int sum = 0; IntWritable val; for(Iterator itr = values.iterator(); itr.hasNext(); sum += val.get()) { val = (IntWritable)itr.next(); } this.result.set(sum); context.write(key, this.result); } } public static class TokenizerMapper extends Mapper { private static final IntWritable one = new IntWritable(1); private Text word = new Text(); public TokenizerMapper() { } public void map(Object key, Text value, Mapper.Context context) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.toString()); while(itr.hasMoreTokens()) { this.word.set(itr.nextToken()); context.write(this.word, one); } } } } (4) Hadoop配置文件添加到“WordCount” MapReduce项目。 [hfut@master ~]$ cp ~/hadoop-3.2.2/etc/hadoop/log4j.properties ~/workspace/MyWordCount/src   (5) 通过Eclipse运行“MyWordCount” MapReduce项目。   (6) 在eclipse上能如果能够成功运行，将这个项目打包成一个jar包保存到Hadoop里的myapp文件夹中。   (7) 在Hadoop上运行这个程序。 运行结果如图所示：

三、实验结果分析、思考题解答∶ myLocalFile.txt：   运行结果： 经判断，统计结果正确。

四、感想、体会、建议∶ WordCount程序是Hadoop的一个样例测试程序，直接调用jar包即可。通过本次实验，我对HDFS和Hadoop的shell命令有了初步的了解，对在Hadoop平台以及eclipse下运行程序所需操作、部署WordCount程序有了一定的理解并且能够上手操作。 遇见错误及解决办法：   直接运行jar包时，我出现了上图提示，对比老师的实验指导书后，发现该报错是说明缺少参数：输入文件路径及输出文件路径；重新修改命令如下图，可以正确运行：