如何快速地编写和运行一个属于自己的MapReduce例子程序

  

• 大数据的时代， 到处张嘴闭嘴都是Hadoop, MapReduce, 不跟上时代怎么行？ 可是对一个hadoop的新手， 写一个属于自己的MapReduce程序还是小有点难度的， 需要建立一个maven项目， 还要搞清楚各种库的依赖， 再加上编译运行， 基本上头大两圈了吧。 这也使得很多只是想简单了解一下MapReduce的人望而却步。

  本文会教你如何用最快最简单的方法编写和运行一个属于自己的MapReduce程序， let's go!

  首先有两个前提：

  1. 有一个已经可以运行的hadoop 集群（也可以是伪分布系统)， 上面的hdfs和mapreduce工作正常 （这个真的是最基本的了， 不再累述， 不会的请参考 http://hadoop.apache.org/docs/current/)

  2. 集群上安装了JDK (编译运行时会用到）

  正式开始

  1. 首先登入hadoop 集群里面的一个节点， 创建一个java源文件， 偷懒起见， 基本盗用官方的word count (因为本文的目的是教会你如何快编写和运行一个MapReduce程序， 而不是如何写好一个功能齐全的MapReduce程序）

  内容如下：

  view source print ?

  01. import java.io.IOException;

  02. import java.util.StringTokenizer;

  03.  

  04. import org.apache.hadoop.conf.Configuration;

  05. import org.apache.hadoop.fs.Path;

  06. import org.apache.hadoop.io.IntWritable;

  07. import org.apache.hadoop.io.Text;

  08. import org.apache.hadoop.mapreduce.Job;

  09. import org.apache.hadoop.mapreduce.Mapper;

  10. import org.apache.hadoop.mapreduce.Reducer;

  11. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

  12. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

  13. import org.apache.hadoop.util.GenericOptionsParser;

  14.  

  15. public class my<a href="http://www.it165.net/edu/ebg/" target="_blank" class="keylink">word</a> {

  16.  

  17. public static class TokenizerMapper

  18. extends Mapper<Object, Text, Text, IntWritable>{

  19.  

  20. private final static IntWritable one = new IntWritable(1);

  21. private Text word = new Text();

  22.  

  23. public void map(Object key, Text value, Context context

  24. ) throws IOException, InterruptedException {

  25. StringTokenizer itr = new StringTokenizer(value.toString());

  26. while (itr.hasMoreTokens()) {

  27. word.set(itr.nextToken());

  28. context.write(word, one);

  29. }

  30. }

  31. }

  32.  

  33. public static class IntSumReducer

  34. extends Reducer<Text,IntWritable,Text,IntWritable> {

  35. private IntWritable result = new IntWritable();

  36.  

  37. public void reduce(Text key, Iterable<IntWritable> values,

  38. Context context

  39. ) throws IOException, InterruptedException {

  40. int sum = 0;

  41. for (IntWritable val : values) {

  42. sum += val.get();

  43. }

  44. result.set(sum);

  45. context.write(key, result);

  46. }

  47. }

  48.  

  49. public static void main(String[] args) throws Exception {

  50. Configuration conf = new Configuration();

  51. String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();

  52. if (otherArgs.length != 2) {

  53. System.err.println('Usage: wordcount <in> <out>');

  54. System.exit(2);

  55. }

  56. Job job = new Job(conf, 'word count');

  57. job.setJarByClass(myword.class);

  58. job.setMapperClass(TokenizerMapper.class);

  59. job.setCombinerClass(IntSumReducer.class);

  60. job.setReducerClass(IntSumReducer.class);

  61. job.setOutputKeyClass(Text.class);

  62. job.setOutputValueClass(IntWritable.class);

  63. FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

  64. FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));

  65. System.exit(job.waitForCompletion(true) ? 0 : 1);

  66. }

  67. }

  与官方版本相比， 主要做了两处修改

  1） 为了简单起见，去掉了开头的 package org.apache.hadoop.examples; 

  2） 将类名从 WordCount 改为 myword, 以体现是我们自己的工作成果 :)

  2.  拿到hadoop 运行的class path, 主要为编译所用

  运行命令 

  view source print ?

  1. hadoop classpath

  保存打出的结果，本文用的hadoop 版本是Pivotal 公司的Pivotal hadoop, 例子：

  view source print ?

  1. /etc/gphd/hadoop/conf:/usr/lib/gphd/hadoop/lib/*:/usr/lib/gphd/hadoop/.//*:/usr/lib/gphd/hadoop-hdfs/./:/usr/lib/gphd/hadoop-hdfs/lib/*:/usr/lib/gphd/hadoop-hdfs/.//*:/usr/lib/gphd/hadoop-yarn/lib/*:/usr/lib/gphd/hadoop-yarn/.//*:/usr/lib/gphd/hadoop-mapreduce/lib/*:/usr/lib/gphd/hadoop-mapreduce/.//*::/etc/gphd/pxf/conf::/usr/lib/gphd/pxf/pxf-core.jar:/usr/lib/gphd/pxf/pxf-api.jar:/usr/lib/gphd/publicstage:/usr/lib/gphd/gfxd/lib/gemfirexd.jar::/usr/lib/gphd/zookeeper/zookeeper.jar:/usr/lib/gphd/hbase/lib/hbase-common.jar:/usr/lib/gphd/hbase/lib/hbase-protocol.jar:/usr/lib/gphd/hbase/lib/hbase-client.jar:/usr/lib/gphd/hbase/lib/hbase-thrift.jar:/usr/lib/gphd/hbase/lib/htrace-core-2.01.jar:/etc/gphd/hbase/conf::/usr/lib/gphd/hive/lib/hive-service.jar:/usr/lib/gphd/hive/lib/libthrift-0.9.0.jar:/usr/lib/gphd/hive/lib/hive-metastore.jar:/usr/lib/gphd/hive/lib/libfb303-0.9.0.jar:/usr/lib/gphd/hive/lib/hive-common.jar:/usr/lib/gphd/hive/lib/hive-exec.jar:/usr/lib/gphd/hive/lib/postgresql-jdbc.jar:/etc/gphd/hive/conf::/usr/lib/gphd/sm-plugins/*:

  3. 编译

  运行命令

  view source print ?

  1. javac -classpath xxx ./myword.java

  xxx部分就是上一步里面取到的class path

  运行完此命令后， 当前目录下会生成一些.class 文件， 例如：

  myword.class  myword$IntSumReducer.class  myword$TokenizerMapper.class

  4. 将class文件打包成.jar文件

  运行命令

  view source print ?

  1. jar -cvf myword.jar ./*.class

  至此, 目标jar 文件成功生成

  5. 准备一些文本文件， 上传到hdfs, 以做word count的input

  例子：

  随意创建一些文本文件， 保存到mapred_test 文件夹

  运行命令

  view source print ?

  1. hadoop fs -put ./mapred_test/

  确保此文件夹成功上传到hdfs 当前用户根目录下

  6. 运行我们的程序

  运行命令

  view source print ?

  1. hadoop jar ./myword.jar myword mapred_test output

  顺利的话， 此命令会正常进行， 一个MapReduce job 会开始工作， 输出的结果会保存在 hdfs 当前用户根目录下的output 文件夹里面。

  至此大功告成！

  如果还需要更多的功能， 我们可以修改前面的源文件以达到一个真正有用的MapReduce job。

  但是原理大同小异， 练手的话， 基本够了。

  一个抛砖引玉的简单例子， 欢迎板砖。

  版权声明：

  出处http://www.cnblogs.com/npumenglei/