大数据开发:(三)flume上传HDFS

1. 开启hadoop:start-dfs.sh
2. 通过浏览器访问node节点，http://IP:50070

   检查

   • (如果无法访问，将防火墙关闭)
   • 如果jps查看缺少了某个节点，首先查看xml文件是否正确，如果正确，删除hadoop/tmp文件夹，然后再次格式化，（格式化会重新创建hadoop/tmp），再次启动

3. 操作分布式文件存储系统HDFS
   

   • 查看hdfs中的文件内容 hadoop fs -ls /
   • 查看hdfs中的详细内容hadoop fs -ls /
   • 在HDFS中创建文件夹hadoop fs -mkdir /flume
   • Flume上传数据到HDFS中
     • 解压flume
     • 将flume文件下得conf中flume-env.ps1.template复制一份，改为flume-env.ps1
     • 修改conf下得log4j.properties文件，在文件末尾修改，改后结果为：flume.root.logger=INFO,console
     • 找到hadoop安装包，从安装包中找到相关jar包，放入到flume的lib下
     • 下载hadoop-common-2.2.0bin-master
       

       ? HADOOP_HOME ：E:\大数据学习\hadoop-common-2.2.0-bin-masterPath 配置路径

       ? Path:%HADOOP_HOME%\bin %HADOOP_HOME%\sbin

     • 给hdfs/flume权限(可以操作权限):hadoop fs -chmod 777 /flume

4. Hadoop运行机制

查看数据片内容：hadoop fs -cat /flume/events-.1582198102809

1. MapReduce流程图

1. 编写java文件，设置数据清洗规则

 public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

     Configuration conf = new Configuration();
     // 定义一个文件夹路径  用于存储计算分析后的可用数据
     Path outputPath = new Path("hdfs://192.168.159.1:8020/flume/output");
     //判断新路径是否已经存在
     FileSystem fileSystem =FileSystem.get(conf);
     if(fileSystem.exists(outputPath)) { //如果存在 先删除再创建
         fileSystem.delete(outputPath,true);
     }

     Job job = Job.getInstance(conf,"Demo");
     job.setJarByClass(Demo.class);

     // 源目录   从hdfs读下来 放到 map中  在map中清洗数据
     FileInputFormat.setInputPaths(job, new org.apache.hadoop.fs.Path("hdfs://192.168.159.1:8020/flume"));
     //！！！！从虚拟机里读取文件，清洗后放入hdfs中  file:
     //FileInputFormat.setInputPaths(job, new Path("file:/action-data/contest/online_retailers"));

     job.setMapperClass(MapOne.class);//第一个门卫
     job.setMapOutputKeyClass(Text.class);//想要通过的人
     job.setMapOutputValueClass(LongWritable.class);//通行证上面的戳
     // 把map的数据导入reduce中
     job.setReducerClass(ReduceOne.class);//第二个门卫
     job.setMapOutputKeyClass(Text.class);
     job.setMapOutputValueClass(LongWritable.class);
     //把reduce中 通过清洗的数据 导回指定目录
     FileOutputFormat.setOutputPath(job, new org.apache.hadoop.fs.Path("hdfs://192.168.159.1:8020/flume/output"));
     //sqoop配置mysql
     boolean flag = job.waitForCompletion(true);

     System.exit(flag?0:1);
 }

Map

public class MapOne extends Mapper<LongWritable,Text,Text,LongWritable>{

    @Override
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text,   LongWritable>.Context context)
            throws IOException, InterruptedException {
        String line = value.toString();
        String[] infos = line.split("#");
        System.out.println(infos[1].toString()+"************---**************");
        if(infos!=null &&infos.length>0) {
            String info=infos[1];
            String[] strs = info.split(":");
            System.out.println(strs.toString()+"***********分分***************");
            if(strs!=null &&strs.length>0) {
                double score=Double.parseDouble(strs[1]);
                if(score>=8) {//说明 这条数据的电影评分 不小于8分
                    //然后使用mapper这个父类的write方法 将本条数据通过，并发往下一环节
                    context.write(new Text(line), new LongWritable(0));
                }
            }
        }
    }
}

reduce

public class ReduceOne extends Reducer<Text, LongWritable, Text, LongWritable> {
    @Override
    protected void reduce(Text key, Iterable<LongWritable> values,
            Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws     IOException, InterruptedException {
        context.write(key, new LongWritable(0));
    }
}

所需要的jar包

1. 将java项目导出为jar包
2. 导入到linux有权限操作的目录下
3. 运行命令 hadoop jar hadooptest.jar demo.Demo
4. 查看：hadoop fs -ls -R /
5. 查看具体数据 hadoop fs -cat /flume/output/part-r-00000

原文地址：https://www.cnblogs.com/dreamzone/p/12344546.html