Hadoop初步使用：WordCount函数示例

单词计数是最简单也是最能体现MapReduce思想的程序之一，可以称为MapReduce版"Hello World"。

一、 MapReduce模型

1  MapReduce编程模型

Hadoop MapReduce对应Google MapReduce，是一种并行计算的编程模型，用于作业调度。

MapReduce采用"分而治之"的思想，把对大规模数据集的操作，分发给一个主节点管理下的各个分节点共同完成，然后通过整合各个节点的中间结果，得到最终结果。简单地说，MapReduce就是"任务的分解与结果的汇总"。

在Hadoop中，用于执行MapReduce任务的机器角色有两个：一个是JobTracker；另一个是TaskTracker，JobTracker是用于调度工作的，TaskTracker是用于执行工作的。一个Hadoop集群中只有一台JobTracker。

在分布式计算中，MapReduce框架负责处理了并行编程中分布式存储、工作调度、负载均衡、容错均衡、容错处理以及网络通信等复杂问题，把处理过程高度抽象为两个函数：map和reduce，map负责把任务分解成多个任务，reduce负责把分解后多任务处理的结果汇总起来。

需要注意的是，用MapReduce来处理的数据集（或任务）必须具备这样的特点：待处理的数据集可以分解成许多小的数据集，而且每一个小数据集都可以完全并行地进行处理。

2  MapReduce处理过程

在Hadoop中，每个MapReduce任务都被初始化为一个Job，每个Job又可以分为两种阶段：map阶段和reduce阶段。这两个阶段分别用两个函数表示，即map函数和reduce函数。map函数接收一个<key,value>形式的输入，然后同样产生一个<key,value>形式的中间输出，Hadoop函数接收一个如<key,(list of values)>形式的输入，然后对这个value集合进行处理，每个reduce产生0或1个输出，reduce的输出也是<key,value>形式的。

二、准备环境

环境：由两个虚拟机，hadoop1和hadoop2组成，其中hadoop1为master，hadoop2为slave。

1 启动hadoop集群

使用命令：start-all.sh，然后使用jps查看进程，看是否启动成功

2 创建文件

a. 建立file文件夹: mkdir file

b. 创建test1.txt和test2.txt。分别在test1.txt中输入hello world，在test2.txt中输入hello Hadoop。

  Echo ‘helloworld’>test1.txt

  Echo ‘hellohadoop’>test2.txt

c. 通过ls查看file下文件，通过cat命令查看两个文件中的内容

3 创建输入文件 Input

在HDFS上创建输入文件夹

[root@hadoop1 file]# hadoop fs -mkdir input

Warning: $HADOOP_HOME is deprecated.

 

[root@hadoop1 file]# hadoop fs -ls

Warning: $HADOOP_HOME is deprecated.

Found 1 items

drwxr-xr-x   - rootsupergroup          0 2014-08-29 13:19/user/root/input

4 上传本地file中文件到集群的input目录下

[root@hadoop1 testfile]# hadoop fs -put /hadoop/ testfile/ test1.txt input

Warning: $HADOOP_HOME is deprecated.

 

[root@hadoop1 testfile]# hadoop fs -put /hadoop/ testfile/test2.txt input

Warning: $HADOOP_HOME is deprecated.

 

[root@hadoop1 testfile]# hadoop fs -ls input

Warning: $HADOOP_HOME is deprecated.

注：上面的1.txt和2.txt为以前做实验时产生

三、使用Wordcount函数

1 找到hadoop函数所用的jar包

[root@hadoop1 hadoop]# cd $HADOOP_HOME

[root@hadoop1 hadoop]# ls hadoop-examples-1.1.2.jar

hadoop-examples-1.1.2.jar

2 使用wordcount函数

[root@hadoop1 hadoop]# hadoop jar/hadoop/hadoop-examples-1.1.2.jar wordcount input output2

Warning: $HADOOP_HOME is deprecated.

显示：

3    查看结果：

命令： hadoop fs –ls output2