路嘉恒Hadoop实战
介绍
Hadoop是一个开源的分布式计算平台,可以处理大规模数据集并具备高容错性。它由HDFS分布式文件系统和MapReduce计算模型组成。在本文中,我们将重点讨论Hadoop的使用以及实战案例。
Hadoop的安装和配置
在开始之前,我们需要先安装和配置Hadoop。以下是安装Hadoop的步骤:
- 下载Hadoop的最新版本,并解压缩到一个目录中。
- 配置Hadoop的环境变量,将Hadoop的bin目录添加到系统的PATH环境变量中。
- 修改Hadoop的配置文件,包括core-site.xml、hdfs-site.xml和mapred-site.xml。具体的配置参数可以根据实际情况进行调整。
使用Hadoop进行数据处理
一旦Hadoop安装和配置完成,我们就可以开始使用Hadoop进行数据处理了。以下是一个使用Hadoop的示例代码:
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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);
}
}
上述代码是一个经典的Word Count示例,它用于统计一个文本文件中每个单词的出现次数。其中,TokenizerMapper类将文本文件拆分成单词,并输出(word, 1)的键值对;IntSumReducer类对每个单词的出现次数进行累加,最后输出(word, sum)的键值对。
Hadoop实战案例
分析网站访问日志
假设我们有一个网站的访问日志文件,其中包含每个访问请求的IP地址和访问时间。我们想要统计每个IP地址的访问次数,以及每个小时段内的访问次数。
以下是一个使用Hadoop进行网站访问日志分析的示例代码:
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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;
public class LogAnalyzer {
public static class LogMapper extends Mapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text ip = new Text();
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
String[] fields = value.toString().split("\t");
String ipAddress = fields[0];
String dateTime = fields[1];