MapReduce经典例子WordCount运行详解.docVIP

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
创建时间:2012/3/1 修改时间:2017/3/1 修改次数:0 Hadoop MapReduce经典例子 ——WordCount 运行详解 1、MapReduce理论简介 1.1 MapReduce编程模型 MapReduce 采用“分而治之”的思想,把对大规模数据集的操作,分发给一个主节点 管理下的各个分节点共同完成,然后通过整合各个节点的中间结果,得到最终结果。简单地 说,MapReduce 就是“任务的分解与结果的汇总”。 在 Hadoop 中,用于执行 MapReduce 任务的机器角色有两个:一个是 JobTracker;另一 个是 TaskTracker,JobTracker 是用于调度工作的,TaskTracker 是用于执行工作的。一个 Hadoop 集群中只有一台 JobTracker。 在分布式计算中,MapReduce 框架负责处理了并行编程中分布式存储、工作调度、负 载均衡、容错均衡、容错处理以及网络通信等复杂问题,把处理过程高度抽象为两个函数: map 和 reduce,map 负责把任务分解成多个任务,reduce 负责把分解后多任务处理的结果汇 总起来。 需要注意的是,用 MapReduce 来处理的数据集(或任务)必须具备这样的特点:待处 理的数据集可以分解成许多小的数据集,而且每一个小数据集都可以完全并行地进行处理。 1.2 MapReduce处理过程 在 Hadoop 中,每个 MapReduce 任务都被初始化为一个 Job,每个 Job 又可以分为两种 阶段:map 阶段和 reduce 阶段。这两个阶段分别用两个函数表示,即 map 函数和 reduce 函 数。map 函数接收一个key,value形式的输入,然后同样产生一个key,value形式的中间输 出,Hadoop 函数接收一个如key,(list of values)形式的输入,然后对这个 value 集合进行处 理,每个 reduce 产生 0 或 1 个输出,reduce 的输出也是key,value形式的。 MapReduce 处理大数据集的过程 1 创建时间:2012/3/1 修改时间:2017/3/1 修改次数:0 2、运行WordCount程序 单词计数是最简单也是最能体现 MapReduce 思想的程序之一,可以称为 MapReduce 版 “Hello World”,该程序的完整代码可以在 Hadoop 安装包的“src/examples”目录下找到。 单词计数主要完成功能是:统计一系列文本文件中每个单词出现的次数,如下图所示。 2.1 准备工作 现在以“hadoop”普通用户登录“Master.Hadoop”服务器。 1)创建本地示例文件 首先在“/home/hadoop”目录下创建文件夹“file”。 接着创建两个文本文件 file1.txt 和 file2.txt, file1.txt 内容为使“Hello World” 而 file2.txt, 的内容为“Hello Hadoop”。 2 创建时间2012/3/1 修改时间:2017/3/1 修改次数:0 2)在 HDFS 上创建输入文件夹 3)上传本地 file 中文件到集群的 input 目录下 2.2 运行例子 1)在集群上运行 WordCount 程序 备注:以 input 作为输入目录,output 目录作为输出目录。 已经编译好的 WordCount 的 Jar 在“/usr/hadoop”下面, “hadoop-examples-1.0.0.jar”就是, 所以在下面执行命令时记得把路径写全了,不然会提示找不到该 Jar 包。 2)MapReduce 执行过程显示信息 Hadoop 命令会启动一个 JVM 来运行这个 MapReduce 程序,并自动获得 Hadoop 的配置, 同时把类的路径(及其依赖关系)加入到 Hadoop 的库中。以上就是 Hadoop Job 的运行记录, 从这里可以看到,这个 Job 被赋予了一个 ID 号:job_201202292213_0002,而且得知输入文 件有两个(Total input paths to process : 2),同时还可以了解 map 的输入输出记录(record 数 及字节数),以及 reduce 输入输出记录。比如说,在本例中,map 的 task 数量是 2 个,reduce 3 创建时间:2012/3/1 修改时间:2012/3/1 修改次数:0 的 task 数量是一个。map 的输入 record 数是 2 个,输出 record 数是 4 个等信息。 2.3 查看结果 1)查看 HDFS 上 output 目录内容 从

文档评论(0)

kfcel5889 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档