大数据之如何利用自己写的jar包在mapreduce的使用

一：首先要将linux 和winodws的exlipse关联起来

第一步：在windows中部署hadoop包：解压一个hadoop压缩文件

第二步：将解压后的hadoop文件目录下的bin文件中的文件全部被替换成下面文件夹下的文件：该文件已经压缩并上传：bin.rar

第三步：将替换后的文件夹下的一个hadoop.dll复制到windows-->system32文件夹下

第四步：配置hadoop的环境变量：

需要配置的环境变量包括：

这里的root 是虚拟机的管理员账户

第五步：验证是否部署成功：在eclipse创建一个java项目

第六步：导入hadoop文件夹下相关的jar包：

第七步：利用jar包写第一个验证java项目：代码如下：

package com.sxt.test;

import java.net.URI;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class TestHadoop {
   public static void main(String[] args) throws Exception {
       Configuration conf=new Configuration();
       FileSystem fs=FileSystem.newInstance(new URI("hdfs://hadoop-node01:9000"), conf, "root");
       fs.mkdirs(new Path("/a123"));
       fs.close();
   }

}

第八步：运行该java项目：可以在浏览器中看到对应的文件是否生成；如果生成了则部署成功，否则失败

那么我们现在就可以在eclipse中通过java代码来操作hadoop了。

现在我们自己写一个jar包来统计一个文件中的单词的出现的次数。在这之前要理解mapreduce统计文档单词的原理

第一步：在eclipse中部署一个java项目

该java项目包括三个类：

这是根据mapreduce的原理来实现的java类：mapperTask是用来统计每个节点的文件的一部分的单词以及出现的次数

package com.sxt;
import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
/**
* 这是统计每一个节点数据的每一行的单词出现的次数
* KEYIN
* 这是默认是一行一行读取的偏移量：比如 java ja jvas js hadoop 这是第一行那么偏移量就是0
*                           js js jsjjsjs jsp json 这是第二行，那么偏移量就是第一行的单词的统计的个数：5
*                           以此类推到每个节点的数据读取完毕
*        这个类型是Long ---LongWritable
* VALUEIN
* 默认是读取一行的数据的类型：这里是String
* KEYOUT
* 处理完一个节点之后返回的数据key:单词：例如在一个节点的一部分数据中统计的单词有
*                                 java
*                                 ja
*                                 js ....
* VALUEOUT
* 处理完一个节点的数据返回的每一行中每一个单词出现的次数:IntWritable
* 最后mapper处理完后返回的是： java[1,1,1,]
*                       js[1,1,1]...
* @author ASUS
*
*/
public class MapperTask extends Mapper<LongWritable, Text ,Text , IntWritable>{
   @Override
   /**
   * map阶段的任务的方法：是每次读取一行数据执行一次该方法
   */
   protected void map(LongWritable key, Text value,Context context)
           throws IOException, InterruptedException {
       // TODO Auto-generated method stub
       String line = value.toString();
       //利用空格进行分割
       String[] words = line.split(" ");
       for (String word : words) {
           // 将单词作为key 将1作为值以便于后续的数据分发
           context.write(new Text(word), new IntWritable(1));
       }
   }
}

reduceTask是将各个节点获取的数据进行运算和统计

package com.sxt;

import java.io.IOException;

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

/**
* 这是做数据统计汇总的
* KEYIN：这是map统计的单词
* VALUEIN：这是map统计的数量
*   KEYOUT：这是汇总之后的单词
*    VALUEOUT:这是汇总之后的数量
* @author ASUS
*
*/
public class ReduceTak extends Reducer<Text, IntWritable, Text, IntWritable>{
   @Override
   /**
   *这是做汇总的方法：每个节点统计完毕执行一次
   */
   protected void reduce(Text key, Iterable<IntWritable> values,
       Context context) throws IOException, InterruptedException {
       // TODO Auto-generated method stub
       int count=0;
       for (IntWritable value : values) {
           count+=value.get();
       }
       context.write(key, new IntWritable(count));
   }
}

wordCount是用来启动的。

package com.sxt;

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
/**
* 这是启动工具
* @author ASUS
*
*/
public class WordCount {
   public static void main(String[] args) throws Exception {
       //创建配置文件对象
       Configuration conf=new Configuration(true);
       //获取job对象
       Job job=Job.getInstance(conf);
       //设置相关类
       job.setJarByClass(WordCount.class);
       //指定map阶段和reduce阶段的处理类
       job.setMapperClass(MapperTask.class);
       job.setReducerClass(ReduceTak.class);
       //指定map的输出的kv类型
       job.setOutputKeyClass(Text.class);
       job.setOutputValueClass(IntWritable.class);
       //指定joB的原始的输入输出路径，通过参数传入
       FileInputFormat.setInputPaths(job, new Path(args[0]));
       FileOutputFormat.setOutputPath(job, new Path(args[1]));
       // 将job中配置的参数和job所用的jar包提交给 yarn运行
       // waitForCompletion等待执行的结果
       job.waitForCompletion(true);
   }
}