前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >hadoop入门五步走

hadoop入门五步走

作者头像
用户1418372
发布2019-04-17 17:13:12
4570
发布2019-04-17 17:13:12
举报
文章被收录于专栏:清晨我上码清晨我上码

入门五步走

第一步 安装hadoop集群

可以浏览w3c的描述,熟悉hadoop的概念 https://www.w3cschool.cn/hadoop/

第三步 操作操作 *1、 直接在服务端操作使用hadoop命令做一些操作

给出一个文件上传到hdfs和下载到本地的example

代码语言:javascript
复制
# 1st  在本地新建一个文件
[root@node21 admin]# cat wc.txt 
a,1 b,1 b,5
a,3 c,3 d,15 e,11
a,2 d,2
# 2st 在hadoop上创建一个目录,用于存放该文件
[root@node21 admin] hadoop fs -mkdir -p  /user/input
可以看到hadoop的fs命令下,有很多和linux命令相似的地方,无聊可以help看哈
root@node21 admin]# hadoop fs --help
--help: Unknown command
Usage: hadoop fs [generic options]
    [-appendToFile <localsrc> ... <dst>]
    [-cat [-ignoreCrc] <src> ...]
    [-checksum <src> ...]
    [-chgrp [-R] GROUP PATH...]
    [-chmod [-R] <MODE[,MODE]... | OCTALMODE> PATH...]
    [-chown [-R] [OWNER][:[GROUP]] PATH...]
    [-copyFromLocal [-f] [-p] [-l] [-d] [-t <thread count>] <localsrc> ... <dst>]
    [-copyToLocal [-f] [-p] [-ignoreCrc] [-crc] <src> ... <localdst>]
    [-count [-q] [-h] [-v] [-t [<storage type>]] [-u] [-x] [-e] <path> ...]
    [-cp [-f] [-p | -p[topax]] [-d] <src> ... <dst>]
    [-createSnapshot <snapshotDir> [<snapshotName>]]
.................省略一堆堆
# 3st 上传到该目录
[root@node21 admin]hadoop fs -put ~/wc.txt  /user/input
# 4st 查看是否已经存在该文件
[root@node21 admin]# hadoop fs -ls /user/input
-rw-r--r--   2 admin supergroup         38 2019-03-30 08:41 /user/input/wc.txt
#5st  ok接下来下载到本地并查看
[root@node21 admin]# hadoop fs -get /user/input/wc.txt /home/
admin/  hadoop/ xzg/    
[root@node21 admin]# hadoop fs -get /user/input/wc.txt /home/
[root@node21 admin]# ls /home/
wc.txt  
### 就酱。 
  • 2、运行一个hadoop的简单事例,了解map-reduce机制 先给出命令,运行该命令是注意要使用hadoop用户,就是配置hadoop的用户

hadoop jar /opt/hadoop3/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.1.jar wordcount /user/input/word.txt /user/output

上面hadoop jar 运行jar包,hadoop-mapreduce-examples-3.1.1.jar这个jar就是hadoop自己提供的,这里面有很多简单的例子(有兴趣可以解压或者官网或者到github查看相关源码),wordcount 就是其中一个。这里我们指定运行wordcount例子(用于计算单词数量) 输入路径:/user/input/word.txt 是要我们自己编写文件上传到hdfs的/user/input路径下。内容可参考

代码语言:javascript
复制
[admin@node21 ~]$ hadoop fs -cat /user/input/word.txt
i love you

/user/output是我们指定输出的结果路径 执行结果如下(part-r-00000是默认结果生产的文件,可以hadoop fs -ls /user/outpu查看):

代码语言:javascript
复制
[admin@node21 ~]$ hadoop fs -cat /user/output/part-r-00000
i   1
love    1
you 1

第四步 本地开发

我这里使用的idea,作为本地开发工具

  • 1st 首先需要导入相关jar包,jar来源就是下载hadoop后解压后的share文件里(具体以个人,不过主要common、hdfs、mapreduce、yarn这几个包下的)

图片.png

  • 2st 将hadoop服务端的配置文件,加入项目src目录下。项目启动时会使用到,否则会报错

图片.png

  • 3st 开发前需要配置开发环境的hadoop的path

图片.png

代码语言:javascript
复制
windows本地运行mr程序时(不提交到yarn,运行在jvm靠线程执行),hadoop.dll防止报nativeio异常、winutils.exe没有的话报空指针异常。

所以我们需要额外添加这winutils.exe到你本地hadoop的bin目录下, (github下载地址)[https://github.com/steveloughran/winutils] 根据服务端及本地hadoop版本选择,不过我使用3.1的选择的3.0版本

  • 4st 一个简单的测试连接服务端hdfs类
代码语言:javascript
复制
public class Chapter3 {

    public static void main(String[] args) {
        try {
            String filename = "hdfs://10.11.91.225:9000/user/input/data.txt";
            Configuration conf = new Configuration();
            conf.set("fs.defaultFS", "hdfs://10.11.91.225:9000");
//            conf.set("mapreduce.jobtracker.address", "10.11.91.255:9000");
            // 这个解决hdfs问题
            conf.set("fs.hdfs.impl", org.apache.hadoop.hdfs.DistributedFileSystem.class.getName());
            // 这个解决本地file问题
            conf.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());
            FileSystem fs = FileSystem.get(conf);
            if(fs.exists(new Path(filename)))
            {
                System.out.println("文件存在");
//                fs.
            }else{
                System.out.println("文件不存在");
            }
        } catch (Exception e)
        {
            e.printStackTrace();
        }
    }
}

上面代码本地开发环境和远程服务的连通测试

  • 3st 编写一个任务,从本地开发环境丢到hadoop集群上运行(这是一个计算单词key,合并value的例子) 先写个文件丢到hdfs上
代码语言:javascript
复制
[admin@node21 ~]$ hadoop fs -cat /user/input/wc.txt
a,1 b,1 b,5
a,3 c,3 d,15 e,11
a,2 d,2

预期我们想要的结果如下:

代码语言:javascript
复制
a   6
b   6
c   3
d   17
e   11

代码实现,主要三个类

  1. WordCountMapper 类用于split和map阶段
代码语言:javascript
复制
// //这个Mapper类是一个泛型类型,它有四个形参类型,分别指定map函数的输入键、输入值、输出键、输出值的类型
public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    //该方法循环调用,从文件的split中读取每行调用一次,把该行所在的下标为key,该行的内容为value
    protected void map(LongWritable key, Text value,
                       Context context)
            throws IOException, InterruptedException {
        String[] words = StringUtils.split(value.toString(), ' ');
        for(String w :words){
            //a,1 a,2 重新组装a:1 a:2
            String[] kevs = w.split(",");
            context.write(new Text(kevs[0]), new IntWritable(Integer.valueOf(kevs[1])));
        }
    }
}
  1. WordCountReducer类用于Shuffle和reduce阶段
代码语言:javascript
复制
public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    //每组调用一次,这一组数据特点:key相同,value可能有多个。
    protected void reduce(Text arg0, Iterable<IntWritable> arg1,
                          Context arg2)
            throws IOException, InterruptedException {
        //增加所有的值
        int sum =0;
        for(IntWritable i: arg1){
            sum=sum+i.get();
        }
        arg2.write(arg0, new IntWritable(sum));
    }
}
  1. RunJob类为程序的入口和job的设置
代码语言:javascript
复制
public class RunJob {

    public static void main(String[] args) {
        Configuration config =new Configuration();
//        config.set("fs.defaultFS", "hdfs://HadoopMaster:9000");
        config.set("fs.defaultFS", "hdfs://10.11.91.225:9000");
        //node22为hadoopyarn-site.xml中的配置
        config.set("yarn.resourcemanager.hostname", "node22");
        //设置执行的用户,需要是服务端的hadoop用户,否则无权限执行,报错.AccessControlException: Permission denied
        System.setProperty("HADOOP_USER_NAME", "admin");
//    config.set("mapred.jar", "C:\\Users\\Administrator\\Desktop\\wc.jar");//先打包好wc.jar
        try {
            FileSystem fs =FileSystem.get(config);
            Job job = Job.getInstance(config);
            job.setJarByClass(RunJob.class);
            job.setJobName("wc");
            job.setMapperClass(WordCountMapper.class);
            job.setReducerClass(WordCountReducer.class);
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(IntWritable.class);
            FileInputFormat.addInputPath(job, new Path("/user/input/wc.txt"));//新建好输入路径,且数据源
            Path outpath =new Path("/user/output/wc");
            if(fs.exists(outpath)){
                fs.delete(outpath, true);
            }
            FileOutputFormat.setOutputPath(job, outpath);
            boolean f= job.waitForCompletion(true);
            if(f){
                System.out.println("job任务执行成功");
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

注意:由于本地为windows下环境需要修改hadoop源码,否则会出现NativeIO$Windows.access错误 (hadoop源码)[https://github.com/apache/hadoop] 下载本地后修改如下文件

代码语言:javascript
复制
\hadoop-common-project\hadoop-common\src\main\java\org\apache\hadoop\io\nativeio\NativeIO.java

图片.png

修改后添加到本地,新建的包名要和hadoop的相同,这样本地执行引入的jar会优先加载该类。

图片.png

最后运行成功后,查看运行结果

代码语言:javascript
复制
[admin@node21 ~]$ hadoop fs -cat /user/output/wc/part-r-00000
a   6
b   6
c   3
d   17
e   11

和预期相同,很好 最后顺便贴出项目结构吧

图片.png

第五步 剩下的理解上面的代码,然后根据自己想法编写,已经理解hadoop运行原理和源码。好了,你已经算是入门了,哦 错了 应该是我

什么 源码? 那就上传到gayhub

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2019.04.03 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 入门五步走
相关产品与服务
大数据
全栈大数据产品,面向海量数据场景,帮助您 “智理无数,心中有数”!
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档