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);
    }
}

第二步:将该java项目导出成一个jar包

第三步:在xshell中进行相应的操作:先将第二步导出的jar包上传到虚拟机

第四步:删除相应的/wordcount/input文件夹

第五步:重新创建对应的文件夹:

第六步:导入相关的要统计的文件

第八步:在浏览器中检查该文件是否存在:

第九步:运行创建的jar包和主方法:hadoop jar wc.jar com.sxt.WordCount  (这是传入的两个参数,在主方法中设置的,也可以写死)

第十步:看到结果:

还可以利用命令查看统计的结果:hadoop fs -cat  /wordcount/output/part-r-00000

原文地址:https://www.cnblogs.com/liyunfeng-deng/p/10255271.html

时间: 2024-10-13 17:10:44

大数据之如何利用自己写的jar包在mapreduce的使用的相关文章

大数据时代之hadoop(五):hadoop 分布式计算框架(MapReduce)

hadoop的核心分为两块,一是分布式存储系统-hdfs,这个我已经在上一章节大致讲了一下,另一个就是hadoop的计算框架-mapreduce. mapreduce其实就是一个移动式的基于key-value形式的分布式计算框架. 其计算分为两个阶段,map阶段和reduce阶段,都是对数据的处理,由于其入门非常简单,但是若想理解其中各个环节及实现细节还是有一定程度的困难,因此我计划在本文中只是挑几个mapreduce的核心来进行分析讲解. 1.MapReduce驱动程序默认值 编写mapred

Android 连接webservice(利用谷歌提供的jar包)

Android开发,需要连接webservice,之前就想用谷歌提供的jar包,下载地址:http://pan.baidu.com/s/1hqMTUHe 把它下载下来粘贴到libs文件夹下即可: 网上有很多类似的方法,我尝试了很多都没有成功,最后发现是我下载的jar包有问题导致我一直卡在哪儿. 首先添加网络权限: <uses-permission android:name="android.permission.INTERNET"/> 这是全部代码,包括获取远程webser

大数据笔记(十四)——HBase的过滤器与Mapreduce

一. HBase过滤器 package demo; import javax.swing.RowFilter; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.client.HTable; import org.apache.hadoop.hbase.client.Result; import org.apache.hadoop.hbase.client.ResultScanner; impo

BeanShell调用自己写的jar包进行MD5加密

1.在eclipse中新建一个java工程,工程名随意. 2.在工程中添加一个package,package名为md5,在package下添加一个class,class名为mymd5. package md5; import java.security.MessageDigest; import java.security.NoSuchAlgorithmException; public class mymd5 { public static String getmd5(String plain

网时|是我们利用云计算和大数据,还是云计算和大数据侵蚀我们?

早听过一个段子,说我们智商巅峰时期是在高中,那个时候的我们,背得了<离骚>,解得了三角函数,画得了电路图,说得清氧化还原反应,讲得出季风洋流.现在呢?被问到键盘上一共有多少个键,都会第一时间掏出手机来问问某度.在云计算和大数据这盆温水的浸泡下,我们都像那只青蛙一样,没有任何防备的被腐蚀熏染,甚至浑然不自知.这种情况究竟会持续多久?究竟是我们在利用云计算和大数据,还是云计算和大数据在侵蚀我们? 云计算和大数据分别在2006年.2008年被提出,在这近十年的时间里,我们见证了它的迅速发展以及极高的

大数据和「数据挖掘」是何关系?---来自知乎

知乎用户,互联网 244 人赞同 在我读数据挖掘方向研究生的时候:如果要描述数据量非常大,我们用Massive Data(海量数据)如果要描述数据非常多样,我们用Heterogeneous Data(异构数据)如果要描述数据既多样,又量大,我们用Massive Heterogeneous Data(海量异构数据)--如果要申请基金忽悠一笔钱,我们用Big Data(大数据) 编辑于 2014-02-2817 条评论感谢 收藏没有帮助举报作者保留权利 刘知远,NLPer 4 人赞同 我觉得 大数据

【PPT&amp;视频】《陈新河:万亿元大数据产业新生态》——央视网大数据名人讲堂之大数据产业系列

[PPT&视频]<陈新河:万亿元大数据产业新生态>--央视网大数据名人讲堂之大数据产业系列 原创 2016-07-16 陈新河 软件定义世界(SDX) 热门下载(点击标题即可阅读) ?[下载]2015中国数据分析师行业峰会精彩PPT下载(共计21个文件) 因微信限制,部分图不能显示出来,高清完整版全文请扫描二维码,见每篇文章底部专栏 <陈新河:万亿元大数据产业新生态>--央视网大数据名人讲堂之大数据产业系列 嘉宾介绍 陈新河   中关村大数据产业联盟副秘书长 Talking

周东飞:大数据对于评论人来说是福音

(周东飞 <潇湘晨报>评论部主任) 刚刚红网的杨总说他的题目在信息传播的过程当中发生了变异,说他本来的意思是在信息爆炸时代如何判断新闻事实与价值,结果王小杨把他改成了大数据时代怎么判断新闻事实与价值,其实呢我要替王小杨点个赞,我觉得这样一种误解更好,为什么呢?因为我觉得这个大数据时代他就是信息爆炸时代,没有什么本 质的区别,而且用大数据时代来概括信息爆炸时代不是更时髦,而是更贴切. 我们所说的数据并不是数字叫数据,我们写评论用的事实难道不是数据么,这些都是数据,所以大数据时代如何判断事实与价值

大数据理论体系总结--数据仓库管理与全链路数据体系

前言 就这样,大数据领域蓬勃发展了好几年,有很多伙伴执迷于技术,成为了分布式计算与存储的领域专家.也有很多伙伴执迷于数据,成为了行业的数据研发专家.当然还有很多小伙伴,热衷于工具系统开发,成为了数据技术专家.那么我们回过头来考虑,什么是大数据,什么又是数据仓库,什么又是数据技术.大数据其实是个非常笼统的感念,它是由数据仓库演化而来的数据与技术方法论,那么我们先说一下数据仓库的由来: 早在多年以前在Hadoop.Spark.Storm.Kafka等系列分布式计算与存储.消息中间件还没有成熟的时候,