Word Count
实验准备
环境:CDH 5.13.0 镜像,虚拟机
下载对应版本的虚拟机和镜像。如果没有开启VT-d
, 需要进入BIOS
开启。
导入虚拟机
- 解压下载好的镜像, 点击ovf文件
- 最低配置为6GB内存,2CPU
- 导入镜像,开机。系统的性能此过程可能持续5~30分钟
- 开机完成会自动打开Firefox浏览器
启动Eclipse
- 打开
eclipse
,新建Project
, 选择Maven Project
- 点击
Next
-
Group Id
和Artifact Id
随意填写,点击Finish
,创建项目 - 在新建的项目中,修改
pom.xml
- 在
pom.xml
中添加dependency
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-core</artifactId>
<version>1.2.1</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.2</version>
</dependency>
-
保存之后
Maven
将自动引入依赖文件 - 从
src
中删除自动生成的App.java
文件,新建MapReduce
程序
代码
在项目目录下新建input/
文件夹,在该文件夹下新建data.txt
文件。data.txt
写入输入样本,如:
I love big data and hadoop and I love data science
在src/main/java
文件夹下,新建WordCount.java
package big.data;
import java.io.IOException;
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;
public class WordCount {
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
public void map(Object key, Text value, Context context)
throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
context.write(new Text(itr.nextToken()), new IntWritable(1));
}
}
}
public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
执行
- 点击
Run
按钮,修改Configuration
,确保Project
和Main Class
正确 - 修改
Argument
, 点击Run
- 在
output
路径下查看输出
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。