Hadoop 这一篇就够了
![hadoop-logo](
简介
Hadoop 是一个开源的分布式计算框架,用于解决大规模数据的存储和处理问题。它能够将多个计算节点组合成一个集群进行并行计算,从而提高数据处理的速度和效率。Hadoop 由 HDFS(Hadoop Distributed File System)和 MapReduce 两部分组成,其中 HDFS 用于存储大规模数据集,而 MapReduce 则用于并行计算。
HDFS(Hadoop Distributed File System)
HDFS 是 Hadoop 中用于存储大规模数据集的分布式文件系统。它将数据集分割成多个块,并将这些块存储在不同的计算节点上。HDFS 的设计思想是将数据复制到不同的节点上,以提供数据冗余和容错能力。下面是一个使用 HDFS 存储文件的示例代码:
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
public class HdfsExample {
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://localhost:9000");
FileSystem fs = FileSystem.get(conf);
// 创建一个新文件,并写入数据
Path filePath = new Path("/user/hadoop/example.txt");
FSDataOutputStream out = fs.create(filePath);
out.writeBytes("Hello, Hadoop!");
out.close();
// 读取文件内容
FSDataInputStream in = fs.open(filePath);
byte[] buffer = new byte[1024];
int bytesRead = in.read(buffer);
String content = new String(buffer, 0, bytesRead);
System.out.println(content);
in.close();
// 删除文件
fs.delete(filePath, false);
fs.close();
}
}
上述代码首先创建了一个 Configuration
对象,并设置了 HDFS 的地址。然后通过 FileSystem.get(conf)
方法获取了一个 FileSystem
对象,用于操作 HDFS。接下来,代码创建了一个新的文件,并将数据写入到该文件中。然后通过 open
方法打开文件并读取其中的内容。最后,代码删除了该文件,并关闭文件系统。
MapReduce
MapReduce 是 Hadoop 中的一个编程模型,用于将大规模数据集进行并行计算。它将计算过程分为两个阶段:Map 阶段和 Reduce 阶段。在 Map 阶段,数据被切分成多个小块,并在各个计算节点上进行处理。在 Reduce 阶段,各个节点的计算结果被合并起来得到最终结果。下面是一个使用 MapReduce 进行词频统计的示例代码:
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;
import java.io.IOException;
import java.util.StringTokenizer;
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