Hadoop教学简介
Hadoop是一个开源的分布式存储和处理框架,用于处理大规模数据。它提供了存储和计算的能力,可以在集群上并行处理大量数据。在本文中,我们将介绍Hadoop的基本概念和使用方法,并给出一些代码示例。
Hadoop基本概念
Hadoop由两部分组成:Hadoop Distributed File System(HDFS)和MapReduce。HDFS用于存储数据,将数据分散在集群中的多台机器上。MapReduce用于处理数据,将数据拆分成小块并在集群上并行处理。
Hadoop集群通常由一个主节点(NameNode)和多个工作节点(DataNode)组成。NameNode负责管理文件系统的命名空间和数据块的映射关系,DataNode负责存储数据块。MapReduce任务由一个主节点(JobTracker)和多个工作节点(TaskTracker)执行。
Hadoop代码示例
示例1:WordCount
下面是一个简单的WordCount示例,用于统计文本中每个单词的出现次数。
```java
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 Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
示例2:HDFS操作
下面是一个简单的HDFS操作示例,用于在HDFS上创建文件夹并上传文件。
```java
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import java.io.IOException;
public class HDFSExample {
public static void main(String[] args) throws IOException {
Configuration conf = new Configuration();
FileSystem fs = FileSystem.get(conf);
// 创建文件夹
Path dir = new Path("/test");
fs.mkdirs(dir);
// 上传文件
Path src = new Path("local/path/to/file");
Path dest = new Path("/test/file.txt");
fs.copyFromLocalFile(src, dest);
fs.close();
}
}
关系图
erDiagram
HDFS {
string NameNode
string DataNode
}
MapReduce {
string JobTracker
string TaskTracker
}
HDFS ||--| MapReduce
类图
classDiagram
WordCount {
- TokenizerMapper
- IntSumReducer
}
HDFSExample
结语
通过本文的介绍,你应该对Hadoop有了一定的了解。你可以尝试编写自己的MapReduce程序,或者在HDFS上进行一些操作。希望本文对你有所帮助,谢谢阅读!