Hadoop是一个开源的分布式计算框架,用于处理大规模数据集的分布式存储和处理。它最初是由Apache软件基金会开发的,旨在解决处理大数据的问题。
Hadoop不是PaaS(Platform as a Service)或IaaS(Infrastructure as a Service)的一部分,而是一个分布式计算框架。PaaS是指云服务提供商提供的一种平台,用于开发、测试和部署应用程序。IaaS是指云服务提供商提供的基础设施,包括虚拟机、存储和网络资源。
Hadoop提供了分布式存储和处理大数据集的能力。它的核心组件包括Hadoop分布式文件系统(HDFS)和MapReduce编程模型。HDFS用于存储大规模数据集,而MapReduce用于分布式处理这些数据。
下面是一个使用Hadoop进行简单的Word Count示例的代码:
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class WordCount {
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
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();
Job job = Job.getInstance(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
以上的代码是一个经典的Hadoop Word Count示例。它通过MapReduce模型对给定的文本文件进行处理,统计每个单词出现的频率。
在上面的示例中,TokenizerMapper
是一个继承自Mapper
类的自定义Mapper。它将输入的文本文件分割成单词,并以<word, 1>
的形式输出。IntSumReducer
是一个继承自Reducer
类的自定义Reducer。它对每个单词的频率进行累加,并输出最终的结果。
Hadoop可以部署在云上的PaaS或IaaS平台上,以便更好地利用分布式计算和存储资源。但是,Hadoop本身并不属于PaaS或IaaS的一部分,而是一个独立的分布式计算框架。