Hadoop中单词统计案例

一、搭建本地环境

1、下载准备两个工具

Hadoop-2.7.3.tar.gz

Hadoop-2.7.3-winutils.exe.rar

图片[1]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

2、将Hadoop-2.7.3-winutils.exe.rar解压后,其中的两个文件进行拷贝

Hadoop.dll

Wintuils.exe

图片[2]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

3、将Hadoop-2.7.3.tar.gz解压后,找到bin目录,把上面的两个文件Hadoop.dll、Wintuils.exe拷贝到当前位置

图片[3]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

4、配置Hadoop的环境变量

图片[4]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

5、找到Hadoop中的日志文件log4j.properties拷贝到我们新建的Eclipse中的Maven项目中,这个日志文件是方便我们使用的,不需要写太多的配置,直接借用Hadoop中文件内容,也可以自己创建该日志文件,编写里面的内容。

(1)Hadoop中日志文件的位置

图片[5]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

(2)拷贝到Eclipse中项目的位置

图片[6]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

二、代码编写

1、编写Mapper

图片[7]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

2、编写Reduce

图片[8]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

3、编写主类

图片[9]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

4、运行测试,首先我们先打一个JAR包

图片[10]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客
图片[11]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

5、我导出到本地项目中了

图片[12]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

6、将包上传到我们的虚拟机中

图片[13]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

7、上传我们的测试文件,测试文件的文本结构如下,可以自己编写,中间使用空格隔开的。

hello everyone

hello hadoop

hello hadoop

hello hive

go home

come on

图片[14]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

8、我们运行一下

图片[15]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客
图片[16]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

9、我们查看一下浏览器,运行后的结果

图片[17]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

10、在虚拟机查看一下文本内容

图片[18]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

三、单词统计理解

(一)概念

1、单词统计的是统计一个文件中单词出现的次数,比如下面的数据源

图片[19]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

2、其中,最终出现的次数结果应该是下面的显示

图片[20]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

(二)那么在MapReduce中该如何编写代码并出现最终结果?

首先我们把文件上传到HDFS中(hdfs dfs –put …)

数据名称:data.txt,大小是size是2G

(三)进一步理解

1、红黄绿三个块表示的是数据存放的块

图片[21]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

2、然后数据data.txt进入map阶段,会以k,v

图片[22]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

3、那么我可以用图表示:蓝色的椭圆球表示一个map,红黄绿数据块在进入map阶段的时候,数据的形式为左边红色的k,v

图片[23]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

4、经过map处理,比如String.split(“”),做一次处理,数据会在不同的红黄绿数据块中变为下面的KV形式

图片[24]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客
图片[25]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

5、我们在配置Hadoop的时候或设置reduce的数量,假如有两个reduce

Map执行完的数据会放到对应的reduce中,如下图

图片[26]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

6、这个地方有一个简单的原理就是

Job.setNumReduce会设置reduce的数量

而HashPartioner类可以利用 key.hashcode % reduce的结果,将不同的map结果输入到不同的reduce中,比如a-e开头的放到一个地方,e-z开头的放到一个地方,那么

图片[24]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客
图片[25]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

7、这样的数据结果就会变成

图片[29]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客
图片[30]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客
图片[31]-Hadoop中单词统计案例-卡咪卡咪哈-一个博客

最终出现我们想要的结果,统计完成

四、练习

1、准备的数据:data.txt。文本内容:

hello everyone

hello hadoop

hello hadoop

hello hive

go home

come on

2、项目配置的pom文件

    THE END
    喜欢就支持一下吧
    点赞9 分享
    评论 抢沙发
    头像
    欢迎您留下宝贵的见解!
    提交
    头像

    昵称

    取消
    昵称表情代码图片

      暂无评论内容