WordCount 在 MapReduce上运行详细步骤-Toy模板网

这篇具有很好参考价值的文章主要介绍了WordCount 在 MapReduce上运行详细步骤。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

注意：前提条件hadoop已经安装成功，并且正常启动。

1.准备好eclipse安装包，eclipse-jee-juno-linux-gtk-x86_64.tar.gz，使用SSH Secure File Transfer Client工具把安装包上传于Hadoop集群的名称节点。

WordCount 在 MapReduce上运行详细步骤

2.上传Hadoop在eclipse上运行插件：haoop-eclipse-plugin-2.6.0.jar

WordCount 在 MapReduce上运行详细步骤

文章来源地址https://www.toymoban.com/news/detail-415414.html

3.更改eclipse-jee-juno-linux-gtk-x86_64.tar.gz权限

WordCount 在 MapReduce上运行详细步骤

4.解压缩eclipse

WordCount 在 MapReduce上运行详细步骤

解压后会出现eclipse文件夹，

WordCount 在 MapReduce上运行详细步骤

5.将eclipse插件拷贝到eclipse对应文件目录下

WordCount 在 MapReduce上运行详细步骤

并且进行查看是否拷贝成功：

WordCount 在 MapReduce上运行详细步骤

6.切换到eclipse安装目录，并且打开eclipse（启动eclipse需要在虚拟机中启动）

WordCount 在 MapReduce上运行详细步骤

出现以下界面表示启动成功：

WordCount 在 MapReduce上运行详细步骤

7.配置eclipse插件

点击导航栏window-->show View-->other，选中MapReduce Tools中的Map/Reduce Locations，并点击“ok”按钮。

WordCount 在 MapReduce上运行详细步骤

8.eclipse下面会出现Map/Reduce Locations窗口， WordCount 在 MapReduce上运行详细步骤

9.创建HDFS本地连接。

在Map/Reduce Locations窗口的空白处右键，

WordCount 在 MapReduce上运行详细步骤

选择New Hadoop location，会弹出对话框；

WordCount 在 MapReduce上运行详细步骤

填写配置信息：

WordCount 在 MapReduce上运行详细步骤

点击finish，后在eclipse界面左上角就会出现HDFS本地连接，以及可以看到HDFS上的文件结构目录。

WordCount 在 MapReduce上运行详细步骤

10.创建Hadoop项目，

在eclipse中点击File--->new--->other，会弹出对话框：

WordCount 在 MapReduce上运行详细步骤

然后找到，Map/Reduce文件夹，然后选择Map/Reduce Project。

WordCount 在 MapReduce上运行详细步骤

点击下一步，然后输入WordCount，并点击完成。

WordCount 在 MapReduce上运行详细步骤

在eclipse工程列表中会出现WordCount项目，

WordCount 在 MapReduce上运行详细步骤

创建类，

打开WordCount目录，右键点击src文件夹，选择new--->Class

WordCount 在 MapReduce上运行详细步骤

填写类名：WordCount，点击finish。

WordCount 在 MapReduce上运行详细步骤

工程目录下会出现WordCount的java文件。

WordCount 在 MapReduce上运行详细步骤

双击WordCount.java文件，把代码拷贝进去。

WordCount 在 MapReduce上运行详细步骤

import java.io.IOException;

public class WordCount {

public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

        @Override

        protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)

                throws IOException, InterruptedException {

            String line=value.toString();

            String [] words=line.split(" ");

            for(String w:words){

                context.write(new Text(w), new IntWritable(1));

            }

        }

}

public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    private IntWritable result = new IntWritable();

    @Override

    protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context)

            throws IOException, InterruptedException {

            int sum = 0;

            for (IntWritable val : values) {

                sum += val.get();

            }

            result.set(sum);

            context.write(key, result);

    }

}

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

    Configuration conf = new Configuration();

    conf.set("fs.defaultFS", "hdfs://192.168.222.100:9000");

    Job job =Job.getInstance(conf);

    job.setJarByClass(WordCount.class);

    job.setMapperClass(TokenizerMapper.class);

    job.setCombinerClass(IntSumReducer.class);

    job.setReducerClass(IntSumReducer.class);

    job.setMapOutputKeyClass(Text.class);

    job.setMapOutputValueClass(IntWritable.class);

    job.setOutputKeyClass(Text.class);

    job.setOutputValueClass(IntWritable.class);

    FileInputFormat.setInputPaths(job, new Path("/input.txt"));

    Path output=new Path("/output");

    FileSystem fs=FileSystem.get(conf);

    if(fs.exists(output)){

        fs.delete(output,true);

    }

    FileOutputFormat.setOutputPath(job, output);

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

}

}