hadoop入门程序 | 易学教程

首先复习一下hadoop中hdfs常用的命令

/** * hadoop fs -mkdir    创建HDFS目录 * hadoop fs -ls   列出HDFS目录 * hadoop fs -copyFromLocal    使用-copyFromLocal 复制本地（local）文件到HDFS * hadoop fs -put  使用-put 复制本地（local）文件到HDFS * hadoop  fs -cat 列出HDFS目录下的文件内容 * hadoop fs -copyToLocal * 使用-copyToLocal 将HDFS上文件复制到本地（local） * hadoop fs -get  使用-get 将HDFS上文件复制到本地（local） * hadoop fs -cp   复制HDFs文件 * hadoop fs -rm 删除HDFS文件 */

一、maven配置

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.wu</groupId>
    <artifactId>HighTem</artifactId>
    <version>1.0-SNAPSHOT</version>

    <!--此程序需要以Hadoop文件作为输入文件，以Hadoop文件作为输出文件，因此需要用到文件系统，于是需要引入hadoop-hdfs包；-->
    <!--我们需要向Map-Reduce集群提交任务，需要用到Map-Reduce的客户端，于是需要导入hadoop-mapreduce-client-jobclient包；-->
    <!--另外，在处理数据的时候会用到一些hadoop的数据类型例如IntWritable和Text等，-->
    <!--因此需要导入hadoop-common包。于是运行此程序所需要的相关依赖有以下几个：-->
    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.4.0</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-jobclient</artifactId>
            <version>2.4.0</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.4.0</version>
        </dependency>
    </dependencies>

</project>

二、程序

package com.wu;


/**
 * 数据格式 年份日期+温度
 * 2014010114
 * 2014010216
 * 2014010317
 * 2014010410
 * 2014010506
 * 2012010609
 * 2012010732
 * 2012010812
 * 2012010919
 * 2012011023
 * 2001010116
 * 2001010212
 * 2001010310
 * 2001010411
 * 2001010529
 * 2013010619
 * 2013010722
 * 2013010812
 * 2013010929
 * 2013011023
 */


/**
 * 1、首先创建input.txt文件，将上面的数据复制进去
 * 2、将input.txt文件上传到hdfs文件系统中
 *      hadoop fs -mkdir /test #新建一个test的目录
 *      hadoop fs -put /home/hadoop/runfile/input.txt /test/ #把对应的文件传入到hdfs里面的test目录下
 *      hadoop fs -ls /test #查询对应目录的信息
 *
 * 3、将下面的代码进行打包,并在hadoop环境下运行
 */


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.conf.Configuration;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;

/**
 * @Auther: wuyilong
 * @Date: 2019/5/24 15:55
 * @Description: 一个简单的hadoop例子
 */
public class Temperature {

    /**
     * 四个泛型类型分别代表：
     * KeyIn        Mapper的输入数据的Key，这里是每行文字的起始位置（0,11,...）
     * ValueIn      Mapper的输入数据的Value，这里是每行文字
     * KeyOut       Mapper的输出数据的Key，这里是每行文字中的“年份”
     * ValueOut     Mapper的输出数据的Value，这里是每行文字中的“气温”
     */
    static class TempMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String line = value.toString();
            String year = line.substring(0, 4);
            int temperature = Integer.parseInt(line.substring(8));
            context.write(new Text(year), new IntWritable(temperature));
        }
    }


    /**
     * 四个泛型类型分别代表：
     * KeyIn        Reducer的输入数据的Key，这里是每行文字中的“年份”
     * ValueIn      Reducer的输入数据的Value，这里是每行文字中的“气温”
     * KeyOut       Reducer的输出数据的Key，这里是不重复的“年份”
     * ValueOut     Reducer的输出数据的Value，这里是这一年中的“最高气温”
     */
    static class TempReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        @Override
        protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int maxValue = Integer.MIN_VALUE;
            StringBuilder sb = new StringBuilder();
            for(IntWritable value : values) {

                maxValue = Math.max(maxValue, value.get());

                sb.append(value).append(", ");
            }

            context.write(key, new IntWritable(maxValue));
        }
    }


    /**
     *
     * @param args
     * @throws Exception
     */
    public static void main(String[] args) throws Exception {
        String dst = "hdfs://localhost:9000/intput.txt";// 1输入路径
        String dstOut = "hdfs://localhost:9000/output";// 2输出路径，必须是不存在的，空文件加也不行

        Configuration hadoopConfig = new Configuration();
        hadoopConfig.set("fs.hdfs.impl", org.apache.hadoop.hdfs.DistributedFileSystem.class.getName());
        hadoopConfig.set("fs.file.impl", org.apache.hadoop.fs.LocalFileSystem.class.getName());

        Job job = new Job(hadoopConfig);

        // job执行作业的输入和输出文件的路径

        FileInputFormat.addInputPath(job, new Path(dst));
        FileOutputFormat.setOutputPath(job, new Path(dstOut));



        // 指定Mapper和Reducer两个阶段的处理类
        job.setMapperClass(TempMapper.class);
        job.setReducerClass(TempReducer.class);

        // 设置最后输出的Key和Value的类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 执行job，直到完成
        job.waitForCompletion(true);
        System.out.println("finished");

    }

}

来源：https://www.cnblogs.com/wylwyl/p/10918872.html

标签

HDFS

Hadoop

hdfs命令

apache

数据处理