本篇內(nèi)容主要講解“Hadoop如何打包和運(yùn)行MapReduce程序”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“Hadoop如何打包和運(yùn)行MapReduce程序”吧!

創(chuàng)新互聯(lián)主要從事網(wǎng)站設(shè)計(jì)制作、成都網(wǎng)站制作、網(wǎng)頁設(shè)計(jì)、企業(yè)做網(wǎng)站、公司建網(wǎng)站等業(yè)務(wù)。立足成都服務(wù)安平,10年網(wǎng)站建設(shè)經(jīng)驗(yàn),價(jià)格優(yōu)惠、服務(wù)專業(yè),歡迎來電咨詢建站服務(wù):18980820575

主要內(nèi)容：將 MapReduce 代碼通過命令行打包成 jar 包，然后提交給 Hadoop 集群運(yùn)行。示例的 WordCount.java、WordCount.txt 見最后面。

一、編譯 Hadoop 的應(yīng)用程序需要將所需的依賴包添加到 CLASSPATH，可以添加到 .bashrc 或者 /etc/profile。

# javac 編譯相關(guān)包依賴
HADOOP_CLASSPATH=$($HADOOP_HOME/bin/hadoop classpath)
# 將 HADOOP_CLASSPATH 添加到 CLASSPATH
export CLASSPATH=.:$HADOOP_CLASSPATH:$CLASSPATH

二、編譯源代碼

# 編譯 沒有設(shè)置 CLASSPATH 通過 -cp $($HADOOP_HOME/bin/hadoop classpath)
javac WordCount.java
# 打包
jar -cvf WordCount.jar  *.class

三、提交到 Hadoop

# 上傳 WordCount.txt 到 Hadoop
hdfs dfs -mkdir input
hdfs dfs -put WordCount.txt input
# 提交任務(wù) jar 包、main 所在的類、輸入文件夾、輸出文件夾
hadoop jar WordCount.jar WordCount input output
# 查看運(yùn)行結(jié)果
hdfs dfs -cat output/*
# 刪除輸出結(jié)果目錄
hdfs dfs -rm -r output

四、運(yùn)行結(jié)果

and	1
bigdata	2
hadoop	2
hello	4
world	1

附錄：

WordCount.txt，單詞使用空格分隔

hello world
hello hadoop
hello bigdata
hello hadoop  and bigdata

WordCount.java

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 {
        private final static IntWritable ONE = new IntWritable(1);
        private final Text word = new Text();

        @Override
        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 {
        private final IntWritable result = new IntWritable();

        @Override
        public void reduce(Text key, Iterable 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, "WordCount");
        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);
    }
}

到此，相信大家對“Hadoop如何打包和運(yùn)行MapReduce程序”有了更深的了解，不妨來實(shí)際操作一番吧！這里是創(chuàng)新互聯(lián)網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！