1.wordcount示例開發

map階段：將每行文字資料變成<單詞，1>這樣的k,v資料

reduce階段：將相同單詞的一組kv資料進行聚合，累加所有的v

1.1注意事項

mapreduce程式中：

    1.map階段的進，出資料

    2.reduce階段的進，出資料

    型別都應該是實現了Hadoop序列化框架型別

    比如：String對應Text；Integer對應IntWritable；Long對應LongWritable
 

1.2wordcount程式整體執行流程示意圖

2.yarn的基本概念

yarn是一個分散式程式的執行排程平臺
yarn中有兩大核心角色：
1、Resource Manager
接受使用者提交的分散式計算程式，併為其劃分資源
管理、監控各個Node Manager上的資源情況，以便於均衡負載

2、Node Manager
管理它所在機器的運算資源（cpu + 記憶體）
負責接受Resource Manager分配的任務，建立容器、回收資源

2.1.YARN的安裝

node manager在物理上應該跟data node部署在一起
resource manager在物理上應該獨立部署在一臺專門的機器上
 

2.2修改配置檔案

參考官網：http://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-common/yarn-default.xml

cd /root/apps/hadoop-2.7.2/etc/hadoop
vi yarn-site.xml

2.3在<configuratiomn></configuration>裡面新增

<property>
<name>yarn.resourcemanager.hostname</name>
<value>hdp-01</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.resource.cpu-vcores</name>
<value>2</value>
</property>
 

2.4拷貝配置檔案到其它節點上

scp yarn-site.xml hdp-02:$PWD
scp yarn-site.xml hdp-03:$PWD
scp yarn-site.xml hdp-04:$PWD

3.啟動和停止hdfs叢集和yarn叢集命令

1.hdfs:
stop-dfs.sh:停止配置的namenode datanode
start-dfs.sh:啟動namenode datanode

2.yarn:
start-yarn.sh:啟動resourcemanager和nodemanager（注：該命令應該在resourcemanager所在的機器上執行）
stop-yarn.sh:停止resourcemanager和nodemanager

4.其它命令

jps檢視ResourceManager程序號
netstat -nltp | grep 程序號
8088是網頁的

free -m：檢視還剩多少記憶體

5.編碼實現

1.WordcountMapper類開發
2.WordcountReducer類開發
3.JobSubmitter客戶端類開發

5.1.WordcountMapper類開發

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
/**
 * 1.KEYIN:是map task讀取到的資料的key的型別，是一行的起始偏移量Long
 * 2.VALUEIN:是map task讀取到的資料的value的型別，是一行的內容String
 * 3.KEYOUT：是使用者的自定義map方法要返回的結果kv資料的key型別，在
 * word count邏輯中，返回單詞String
 * 4.VALUEOUT：是使用者的自定義map方法要返回的結果kv資料的value型別，
 * 在word count邏輯返回Integer
 *
 * 但是在mapreduce中，map 產生的資料需要傳輸給reduce，需要進行序列化和反序列化，
 * 而Jdk 中的原生序列化機制產生的資料比較冗餘就會導致資料在mapreduce執行過程比
 * 較慢，Hadoop專門設計了自己序列化機制，那麼，mapreduce 中傳輸的資料的資料型別
 * 就必須實現Hadoop自己的序列化介面
 * Hadoop為jdk 中常用的基本型別Long，String，Integer,Float等資料型別封裝了自己
 * 的實現Hadoop序列化介面型別：LongWritable,Text(String),IntWritable..
 */
public class WordcountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        //1.切單詞
        String line = value.toString();
        String[] words = line.split(" ");
        for(String word:words){
            context.write(new Text(word),new IntWritable(1));
        }
    }
}

5.2.WordcountReducer類開發

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
import java.util.Iterator;
/**
 * 1.前面的Text,IntWritable:表示接收到map傳過來的引數
 * 2.後面的Text, IntWritable：表示Reduce返回的資料型別
 */
public class WordcountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

    //idea快捷鍵（ctrl+o）檢視重寫的方法
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context)
            throws IOException, InterruptedException {
        int count=0;
        Iterator<IntWritable> iterator = values.iterator();
        while (iterator.hasNext()){
            IntWritable value = iterator.next();
            count += value.get();
        }
        context.write(key,new IntWritable(count));
    }
}

5.3.JobSubmitter客戶端類開發

/**
 * 用於提交MapReduce的客戶端程式
 * 功能：
 *      1，封裝本次job執行時所需要的必要引數
 *      2.跟yarn進行互動，將mapreduce 程式成功的啟動，執行
 */
public class JobSubmitter {

    public static void main(String[] args)throws Exception {

        //在程式碼中設定JVM系統引數，用於給job物件來獲取訪問HDFS的使用者身份
        System.setProperty("HADOOP_USER_NAME","root");

        Configuration conf = new Configuration();
        //1.設定job執行時預設要訪問的檔案系統
        conf.set("fs.defaultFS","hdfs://hdp-01:9000");
        //2.設定job提交到哪裡去執行(放本地local,這裡放在yarn上執行)
        conf.set("mapreduce.framework.name","yarn");
        //3.指定位置
        conf.set("yarn.resourcemanager.hostname","hdp-01");
        //4.如果需要在Windows系統執行這個job提交客戶端程式，則需要加這個跨平臺提交引數
        conf.set("mapreduce.app-submission.cross-platform","true");
        Job job = Job.getInstance(conf);
        //1.封裝引數：jar包所在的位置
        job.setJar("d:/wc.jar");
        //動態獲取jar包在哪裡
        //job.setJarByClass(JobSubmitter.class);
        //2.封裝引數：本次job所要呼叫的mapper實現類
        job.setMapperClass(WordcountMapper.class);
        job.setReducerClass(WordcountReducer.class);
        //3.封裝引數：本次job的Mapper實現類產生的資料key,value的型別
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //4.封裝引數：本次Reduce返回的key,value資料型別
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        Path output=new Path("/wordcount/output5");
        FileSystem fs = FileSystem.get(new URI("hdfs://hdp-01:9000"),conf,"root");
        if(fs.exists(output)){
            fs.delete(output,true);
        }
        //5.封裝引數：本次job要處理的輸入資料集所在路徑,最終結果的輸出路徑
        FileInputFormat.setInputPaths(job,new Path("/wordcount/input"));
        FileOutputFormat.setOutputPath(job,output);
        //6.封裝引數：想要啟動的reduce task的數量
        job.setNumReduceTasks(2);
        //7.向yarn提交本次job
        //job.submit();
        //等待任務完成，把ResourceManage反饋的資訊打印出來
        boolean res = job.waitForCompletion(true);
        System.exit(res ? 0:-1);
    }
}

5.4.pom依賴

	<dependencies>
		<dependency>
			<groupId>org.apache.hadoop</groupId>
			<artifactId>hadoop-client</artifactId>
			<version>2.8.1</version>
		</dependency>
	</dependencies>

5.5.執行mapreduce程式

1.將工程整體打成一個jar包並上傳到linux機器上，
2.準備好要處理的資料檔案放到hdfs的指定目錄中
3.用命令啟動jar包中的Jobsubmitter，讓它去提交jar包給yarn來執行其中的mapreduce程式  ：  hadoop jar wc.jar cn.xuyu.JobSubmitter .....
4.去hdfs的輸出目錄中檢視結果

5.6.測試說明

本次測試在Windows環境，所以需要打成jar包，改名為wc.jar放在本地D:/盤目錄下

5.7.執行結果

5.7.1.訪問：http://hdp-01:8088/cluster/apps

 

5.7.2.訪問：http://hdp-01:50070/explorer.html#/wordcount

5.7.3.命令列輸入命令檢視統計結果

[root@hdp-01 ~]# hadoop fs -ls /wordcount/output
Found 1 items
-rw-r--r--   2 root supergroup         59 2019-05-25 22:13 /wordcount/output/res                                                                                          .dat
[root@hdp-01 ~]# hadoop fs -ls /wordcount/output5
Found 3 items
-rw-r--r--   2 root supergroup          0 2019-05-27 03:58 /wordcount/output5/_S                                                                                          UCCESS
-rw-r--r--   2 root supergroup         13 2019-05-27 03:58 /wordcount/output5/pa                                                                                          rt-r-00000
-rw-r--r--   2 root supergroup         46 2019-05-27 03:58 /wordcount/output5/pa                                                                                          rt-r-00001
[root@hdp-01 ~]# hadoop fs -cat /wordcount/output5/part-r-00001
        3
FFH     3
GGH     3
Helllo  3
Hello   15
Jasd    3
Tom     3
[root@hdp-01 ~]# hadoop fs -cat /wordcount/output5/part-r-00000
GGG     3
xuyu    3

5.7.4.在瀏覽器中檢視內容

5.7.5.下載下來可以看到如下內容

相關推薦