我的例子是运行3台虚拟机
master：192.168.27.100
slave1：192.168.27.101
slave2：192.168.27.102
一、代码和文件传入hadoop中
代码运行需要foodmart.txt文件，和代码一起打包如下链接中：
链接：说明文档和代码 提取码：o1re
代码如下：
//package com.ghgj.mazh.mapreduce.wc.demo1;
import java.io.IOException;
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.LongWritable;
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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner;
import org.apache.hadoop.util.GenericOptionsParser;
public class WordCountMR {
/**
* 该main方法是该mapreduce程序运行的入口，其中用一个Job类对象来管理程序运行时所需要的很多参数：
* 比如，指定用哪个组件作为数据读取器、数据结果输出器 指定用哪个类作为map阶段的业务逻辑类，哪个类作为reduce阶段的业务逻辑类
* 指定wordcount job程序的jar包所在路径 .... 以及其他各种需要的参数
*/
public static void main(String[] args) throws Exception {
// 指定hdfs相关的参数
//Configuration conf = new Configuration();
// 手动设置，该MapReduce程序读取的数据来自于HDFS集群
//conf.set("fs.defaultFS", "hdfs://master:9000");
// 设置运行程序的用户是hadoop用户，就是安装hadoop集群的用户。如果该程序在Hadoop集群中使用hadoop用户进行运行，则可以去掉
//System.setProperty("HADOOP_USER_NAME", "hadoop");
/**
* 以上的配置信息，事实上，在实际企业生产环境中，也可以使用conf.addResource方法进行加载。
* 当然如果配置文件的名字是core/hdfs/yarn/mapred-site/default.xml的话。 那么会自动加载的。
*/
// conf.addResource("hadoop_config/core-site.xml");
// conf.addResource("hadoop_config/hdfs-site.xml");
// 如果想让MR程序运行在特定的YARN集群之上，则可以使用一下代码，然后，这两信息，在安装集群的配置文件中都有配置的
// conf.set("mapreduce.framework.name", "yarn");
// conf.set("yarn.resourcemanager.hostname", "hadoop04");
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if(otherArgs.length != 2) {
System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
}
// 通过Configuration对象获取Job对象，该job对象会组织所有的该MapReduce程序所有的各种组件
Job job = Job.getInstance(conf);
job.setJar("WordCountMR.jar");
// 设置jar包所在路径
job.setJarByClass(WordCountMR.class);
// 指定mapper类和reducer类
job.setMapperClass(WordCountMapper.class);
job.setReducerClass(WordCountReducer.class);
/**
* 指定maptask的输出类型
* Mapper的输入key-value类型，由MapReduce框架决定， 默认情况下就是 LongWritable和Text类型
*
* 假如 mapTask的输出key-value类型，跟reduceTask的输出key-value类型一致，那么，以上两句代码可以不用设置
*/
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
/**
* 指定reducetask的输出类型
* 如果reduceTask的输入key-value类型就是 mapTask的输出key-value类型。可以不需要指定
*/
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
// 为job指定输入数据的组件和输出数据的组件，以下两个参数是默认的，所以不指定也是OK的
job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);
// 为该mapreduce程序制定默认的数据分区组件。默认是 HashPartitioner.class
job.setPartitionerClass(HashPartitioner.class);
/**
* 指定该mapreduce程序数据的输入和输出路径:
* inputPath目录可以是文件，也可以是目录
* outputPath路径必须是不存在的目录
*/
Path inputPath = new Path("/input2/foodmart.txt");
Path outputPath = new Path("/output2");
// 设置该MapReduce程序的ReduceTask的个数
// job.setNumReduceTasks(3);
// 该段代码是用来判断输出路径存在不存在，存在就删除，虽然方便操作，但请谨慎
//FileSystem fs = FileSystem.get(conf);
//if (fs.exists(outputPath)) {
// fs.delete(outputPath, true);
//}
// 设置wordcount程序的输入路径
FileInputFormat.setInputPaths(job, inputPath);
// 设置wordcount程序的输出路径
FileOutputFormat.setOutputPath(job, outputPath);
// job.submit();
// 最后提交任务(verbose布尔值 决定要不要将运行进度信息输出给用户)
boolean waitForCompletion = job.waitForCompletion(true);
// 主线程程序根据MapReduce程序的运行结果成功与否退出。
System.exit(waitForCompletion ? 0 : 1);
}
/**
* Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
*
* KEYIN 是指框架读取到的数据的key的类型，在默认的InputFormat下，读到的key是一行文本的起始偏移量，所以key的类型是Long
* VALUEIN 是指框架读取到的数据的value的类型,在默认的InputFormat下，读到的value是一行文本的内容，所以value的类型是String
* KEYOUT 是指用户自定义逻辑方法返回的数据中key的类型，由用户业务逻辑决定，在此wordcount程序中，我们输出的key是单词，所以是String
* VALUEOUT 是指用户自定义逻辑方法返回的数据中value的类型，由用户业务逻辑决定,在此wordcount程序中，我们输出的value是单词的数量，所以是Integer
*
* 但是，String ，Long等jdk中自带的数据类型，在序列化时，效率比较低，hadoop为了提高序列化效率，自定义了一套序列化框架
* 所以，在hadoop的程序中，如果该数据需要进行序列化（写磁盘，或者网络传输），就一定要用实现了hadoop序列化框架的数据类型
*
* Long ----> LongWritable
* String ----> Text
* Integer ----> IntWritable
* Null ----> NullWritable
*/
static class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
/**
* LongWritable key : 该key就是value该行文本的在文件当中的起始偏移量
* Text value ： 就是MapReduce框架默认的数据读取组件TextInputFormat读取文件当中的一行文本
*/
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
// 切分单词
String[] words = value.toString().split(":");
String[] items = words[0].toString().split(" ");
String[] utilities = words[2].toString().split(" ");
// for (String item : items) {
// // 每个单词计数一次，也就是把单词组织成<hello,1>这样的key-value对往外写出
// context.write(new Text(item), new IntWritable(1));
// }
for (int i = 0; i < items.length; i++){
context.write(new Text(items[i]), new IntWritable(Integer.parseInt(utilities[i])));
}
}
}
/**
* 首先，和前面一样，Reducer类也有输入和输出，输入就是Map阶段的处理结果，输出就是Reduce最后的输出
* reducetask在调我们写的reduce方法,reducetask应该收到了前一阶段（map阶段）中所有maptask输出的数据中的一部分
* （数据的key.hashcode%reducetask数==本reductask号），所以reducetaks的输入类型必须和maptask的输出类型一样
*
* reducetask将这些收到kv数据拿来处理时，是这样调用我们的reduce方法的： 先将自己收到的所有的kv对按照k分组（根据k是否相同）
* 将某一组kv中的第一个kv中的k传给reduce方法的key变量，把这一组kv中所有的v用一个迭代器传给reduce方法的变量values
*/
static class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
/**
* Text key : mapTask输出的key值
* Iterable<IntWritable> values ： key对应的value的集合（该key只是相同的一个key）
*
* reduce方法接收key值相同的一组key-value进行汇总计算
*/
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
// 结果汇总
int sum = 0;
for (IntWritable v : values) {
sum += v.get();
}
// 汇总的结果往外输出
context.write(key, new IntWritable(sum));
}
}
}启动好完全分布式hadoop后，根据代码的输入路径在hsdoop中创建输入文件夹input2，在master节点上输入hadoop fs -mkdir /input2创建input2文件夹，然后输入hadoop fs -ls /查看是否创建成功，如下图所示：
然后输入hadoop fs -moveFromLocal /software/codefile/foodmart.txt /input2将本地文件foodmart.txt移动到hadoop服务器上。你的下载好的本地文件存在路径就写哪里，比如，我的路径是/software/codefile/foodmart.txt
移动好之后输入hadoop fs -ls /input2查看是否移动成功，如下图所示：
注意： 你从上面链接下载好的foodmart.txt一般都存在你的本地电脑中，你需要将它移到虚拟机中，可以选择用FileZilla软件移，关于FileZilla的下载，你可以自己去搜教程下载，也可以点击链接下载：
种子文件（因为是hadoop配置所需要的全部文件，所以比较大，不止有FileZilla软件）
提取码：co3u
关于如何下载种子文件，点击链接查看教程：下载种子文件教程
二、编译代码
编译用到的jar包：（路径是你配置时候hadoop存放的路径，我这里是/software/hadoop）
/software/hadoop/share/hadoop/common/hadoop-common-3.3.0.jar
/software/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-client-core-3.3.0.jar
/software/hadoop/share/hadoop/common/lib/commons-cli-1.2.jar
根据自己代码的存放路径进入该目录，比我我存放的路径是/software/codefile/src，我就输入cd /software/codefile/src进入。
然后在终端输入：
#编译java代码
javac -classpath /opt/software/hadoop/share/hadoop/common/hadoop-common-3.3.0.jar:/opt/software/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-client-core-3.3.0.jar:/opt/software/hadoop/share/hadoop/common/lib/commons-cli-1.2.jar -d classes/ *.java
#将编译好的代码打包为jar包
jar -cvf WordCountMR.jar classes会自动生成classes文件夹，并且该文件夹下面有编译好的.class文件，并且在/software/codefile/src目录下会生成一个WordCountMR.jar文件，如下图所示：
三、运行代码
在终端输入：
#执行java代码命令
hadoop jar /software/codefile/src/WordCountMR.jar WordCountMR /input2 /output2然后输入hadoop fs -ls /可以看到output2文件夹，并且输入hadoop fs -ls /output2可以看到两个项目，如下图所示：
java代码运行的结果就存放在part-r-00000文件中，可以使用cat /software/hadoop/bin/part-r-00000在终端查看，也可以在网页端查看。
根据你自己配置的ip和端口输入，打开hdfs网页查看，例如我的配置是192.168.27.100：50070
打开文件系统查看：
点击output2查看：
可以在线查看part-r-00000
还可以从hadoop服务器中移动到虚拟机中，然后通过FileZilla移动到本地计算机中查看
移动到虚拟机中的代码为：(要根据自己虚拟机的路径来移动）
#将服务器中的input2文件夹拷贝到虚拟机的/software/hadoop中
hadoop fs -copyToLocal /output2 /software/hadoop
在虚拟机的output2中就可以查看part-r-00000文件了。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
