我是怎么玩hadoop的(一)--运行自己的mapreduce-优快云博客

单拿标题来讲，看来有点装x，但是没有恶意，知识记录自己的学习过程，希望能碰到一些志同道合的人，一起讨论。

首先，我们要理解：什么是hadoop？给人的第一感觉就一个字“云”，似乎带着点神奇的色彩，不可否认hadoop有他独特的地方，但也没那么神乎其神。他是一个开源框架，可以编写和运行分布式应用处理大规模数据，通过建立hadoop集群和运行一些mapred例子，我所感到只有就个字：“方便”、“健壮”、“可扩展”、“简单”。hadoop自身带有文件系统，可以处理大规模数据，相比较下：

会和sql数据库有什么区别呢？

1.随着数据量的增大，提高数据库配置的开销越来越大，2倍于pc机的服务器的价格远远高于2台pc机的价格，这就是hadoop的优势，增加一个电脑(节点)，要比一次服务器升级划算的多。

2.用键值代替了关系表，个人感觉在大规模数据面前的数据处理，键值对跟为灵活。

如何理解hadoop的mapreduce：

这里有一篇文章我觉得很有意思：这里提供个连接供大家学习我是如何向老婆解释MapReduce的？

概念性的东西听着有些乏味：下面我们动手改一个自己的mapreduce程序:

我们都知道hadoop自带例子中有一个wordcount的例子，下面我们就改写这个例子，执行一个属于我们自己的mapreduce程序；

1、首先要找到wordcount的源代码，在hadoop目录下的src/examples/org/apache/hadoop/examples/WordCount.java

2、创建文件夹并且把wordcount文件拷出来：

mkdir playground mkdir playground/src mkdir playground/classes cp src/examples/org/apache/hadoop/examples/WordCount.java playground/src/WordCount.java

3、在hadoop框架中编译和执行这个副本

javac -classpath hadoop-0.20.2-core.jar:lib/commons-cli-1.2.jar -d playground/classes/ playground/src/WordCount.java

[liye@test237 hadoop-0.20.2]$ jar -cvf playground/wordcount.jar -C playground/classes/ . 标明清单(manifest) 增加：org/(读入= 0) (写出= 0)(存储了 0%) 增加：org/apache/(读入= 0) (写出= 0)(存储了 0%) 增加：org/apache/hadoop/(读入= 0) (写出= 0)(存储了 0%) 增加：org/apache/hadoop/examples/(读入= 0) (写出= 0)(存储了 0%) 增加：org/apache/hadoop/examples/WordCount.class(读入= 1911) (写出= 996)(压缩了 47%) 增加：org/apache/hadoop/examples/WordCount$IntSumReducer.class(读入= 1789) (写出= 746)(压缩了 58%) 增加：org/apache/hadoop/examples/WordCount$TokenizerMapper.class(读入= 1903) (写出= 819)(压缩了 56%)

4、运行你的程序，出现如下信息说明执行成功：

[liye@test237 hadoop-0.20.2]$ bin/hadoop jar playground/wordcount.jar org.apache.hadoop.examples.WordCount input my_output 11/12/05 21:33:30 INFO input.FileInputFormat: Total input paths to process : 1 11/12/05 21:33:31 INFO mapred.JobClient: Running job: job_201111281334_0014 11/12/05 21:33:32 INFO mapred.JobClient: map 0% reduce 0% 11/12/05 21:33:41 INFO mapred.JobClient: map 100% reduce 0% 11/12/05 21:33:53 INFO mapred.JobClient: map 100% reduce 100% 11/12/05 21:33:55 INFO mapred.JobClient: Job complete: job_201111281334_0014 11/12/05 21:33:55 INFO mapred.JobClient: Counters: 17 11/12/05 21:33:55 INFO mapred.JobClient: Job Counters 11/12/05 21:33:55 INFO mapred.JobClient: Launched reduce tasks=1 11/12/05 21:33:55 INFO mapred.JobClient: Launched map tasks=1 11/12/05 21:33:55 INFO mapred.JobClient: Data-local map tasks=1 11/12/05 21:33:55 INFO mapred.JobClient: FileSystemCounters 11/12/05 21:33:55 INFO mapred.JobClient: FILE_BYTES_READ=25190 11/12/05 21:33:55 INFO mapred.JobClient: HDFS_BYTES_READ=44253 11/12/05 21:33:55 INFO mapred.JobClient: FILE_BYTES_WRITTEN=50412 11/12/05 21:33:55 INFO mapred.JobClient: HDFS_BYTES_WRITTEN=17876 11/12/05 21:33:55 INFO mapred.JobClient: Map-Reduce Framework 11/12/05 21:33:55 INFO mapred.JobClient: Reduce input groups=1857 11/12/05 21:33:55 INFO mapred.JobClient: Combine output records=1857 11/12/05 21:33:55 INFO mapred.JobClient: Map input records=734 11/12/05 21:33:55 INFO mapred.JobClient: Reduce shuffle bytes=25190 11/12/05 21:33:55 INFO mapred.JobClient: Reduce output records=1857 11/12/05 21:33:55 INFO mapred.JobClient: Spilled Records=3714 11/12/05 21:33:55 INFO mapred.JobClient: Map output bytes=73129 11/12/05 21:33:55 INFO mapred.JobClient: Combine input records=7696 11/12/05 21:33:55 INFO mapred.JobClient: Map output records=7696 11/12/05 21:33:55 INFO mapred.JobClient: Reduce input records=1857

5、查看结果，在文件系统的my_output中