Hadoop 教程

1. 前期准备

IDEA安装
- IDEA2020.3.3
JDK安装
- jdk18绿色版
IDEA中JDK配置
VMware安装
Hadoop 虚拟机
- 待补充

2. HDFS启动

cd app/hadoop-2.6.0-cdh5.7.0/sbin/
./start-dfs.sh

在这里插入图片描述

3. Hadoop启动失败解决方法

重新编辑本机的hosts文件
```
sudo vim /etc/hosts
```
将 hadoop000 与 localhost 均改为本机ip

在这里插入图片描述

4. Hadoop Shell命令

浏览器可视化文件系统

路径遍历
- hadoop fs -ls [路径]
查看文件
- hadoop fs -cat [文件路径]
- eg：hadoop fs -cat /hadoopruochen/test/ruochen.txt
新建文件夹
- hadoop fs -mkdir -p [路径]
- -p：递归新建
- eg：hadoop fs -mkdir -p /hadoopruochen/test
传文件到 Hadoop
- hadoop fs -put [文件路径] [hadoop路径]
- eg：hadoop fs -put ruochen.txt /hadoopruochen/test
下载 Hadoop 文件到本地
- hadoop fs -get [hadoop文件路径] [本地路径]
- eg：hadoop fs -get /hadoopruochen/test/ruochen.txt haha.txt
移动文件
- hadoop fs -mv [源路径] [目的路径]
- eg：hadoop fs -mv /hadoopruochen/test/ruochen.txt /user
删除文件
- hadoop fs -rm [-r] [文件]
- eg：hadoop fs -rm /hadoopruochen
- eg：hadoop fs -rm -r /hadoopruochen

5. Java 操作 HDFS API

5.1. 新建项目

新建一个空项目，我这里起名为BigData

在这里插入图片描述

新建一个module

在这里插入图片描述

Finish 即可
pom.xml如下

<?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.neusoft</groupId>
    <artifactId>hadoopdemo</artifactId>
    <version>1.0-SNAPSHOT</version>

    <name>hadoopdemo</name>
    <!-- FIXME change it to the project's website -->
    <url>http://www.example.com</url>

    <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <maven.compiler.source>1.7</maven.compiler.source>
        <maven.compiler.target>1.7</maven.compiler.target>
        <hadoop.version>2.6.0-cdh5.7.0</hadoop.version>
    </properties>
    <repositories>
        <repository>
            <id>cloudera</id>
            <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
        </repository>
    </repositories>

    <dependencies>
        <!--        添加hadoop依赖-->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.11</version>
            <scope>test</scope>
        </dependency>
    </dependencies>

    <build>
        <pluginManagement><!-- lock down plugins versions to avoid using Maven defaults (may be moved to parent pom) -->
            <plugins>
                <!-- clean lifecycle, see https://maven.apache.org/ref/current/maven-core/lifecycles.html#clean_Lifecycle -->
                <plugin>
                    <artifactId>maven-clean-plugin</artifactId>
                    <version>3.1.0</version>
                </plugin>
                <!-- default lifecycle, jar packaging: see https://maven.apache.org/ref/current/maven-core/default-bindings.html#Plugin_bindings_for_jar_packaging -->
                <plugin>
                    <artifactId>maven-resources-plugin</artifactId>
                    <version>3.0.2</version>
                </plugin>
                <plugin>
                    <artifactId>maven-compiler-plugin</artifactId>
                    <version>3.8.0</version>
                </plugin>
                <plugin>
                    <artifactId>maven-surefire-plugin</artifactId>
                    <version>2.22.1</version>
                </plugin>
                <plugin>
                    <artifactId>maven-jar-plugin</artifactId>
                    <version>3.0.2</version>
                </plugin>
                <plugin>
                    <artifactId>maven-install-plugin</artifactId>
                    <version>2.5.2</version>
                </plugin>
                <plugin>
                    <artifactId>maven-deploy-plugin</artifactId>
                    <version>2.8.2</version>
                </plugin>
                <!-- site lifecycle, see https://maven.apache.org/ref/current/maven-core/lifecycles.html#site_Lifecycle -->
                <plugin>
                    <artifactId>maven-site-plugin</artifactId>
                    <version>3.7.1</version>
                </plugin>
                <plugin>
                    <artifactId>maven-project-info-reports-plugin</artifactId>
                    <version>3.0.0</version>
                </plugin>
            </plugins>
        </pluginManagement>
    </build>
</project>

5.2. 测试

5.2.1 新建文件夹

接下来，我们使用 Java 连接 hdfs，并新建一个文件夹
在test下新建HDFSApp.java，如下

在这里插入图片描述

通过测试方法连接HDFS，并新建一个/ruochen/test2文件夹，代码如下

package com.neusoft.hdfs;

import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;
import org.apache.hadoop.conf.Configuration;

import java.net.URI;

public class HDFSApp {
    Configuration configuration = null;
    FileSystem fileSystem = null;
    public static final String HDFS_PATH = "hdfs://192.168.10.128:8020";

    @Test
    public void mkdir() throws Exception {
        fileSystem.mkdirs(new Path("/ruochen/test2"));
    }

    // Java 连接hdfs 需要先建立一个连接
    // 测试方法执行之前要执行的操作
    @Before
    public void setUp() throws Exception {
        System.out.println("开始建立与HDFS的连接");
        configuration = new Configuration();
        fileSystem = FileSystem.get(new URI(HDFS_PATH), configuration, "hadoop");
    }

    // 测试之后要执行的代码
    @After
    public void tearDown() {
        configuration = null;
        fileSystem = null;
        System.out.println("关闭与HDFS的连接");
    }
}

然后运行mkdir()函数，运行完后我们可以看到已经新建了一个文件夹

在这里插入图片描述

5.2.2 新建文件

新建文件代码如下

    // 创建文件
    @Test
    public void create() throws Exception {
        Path path = new Path("/ruochen/test1/hello.txt");
        FSDataOutputStream outputStream = fileSystem.create(path);
        outputStream.write("hello world".getBytes());
        outputStream.flush();
        outputStream.close();
    }

运行结束后，我们通过shell脚本查看一下

在这里插入图片描述

5.2.3 修改文件名称

Java代码如下

   // rename文件
   @Test
   public void rename() throws Exception {
       Path oldPath = new Path("/ruochen/test1/hello.txt");
       Path newPath = new Path("/ruochen/test1/xixi.txt");
       fileSystem.rename(oldPath, newPath);
   }

运行结果如下

在这里插入图片描述

5.2.4 查看文件

Java代码如下

    // 查看文件
    @Test
    public void cat() throws Exception {
        Path path = new Path("/ruochen/test1/xixi.txt");
        FSDataInputStream inputStream = fileSystem.open(path);
        IOUtils.copyBytes(inputStream, System.out, 1024);
        inputStream.close();
    }

运行结果

在这里插入图片描述

5.2.5 上传文件

Java 代码如下

    // 上传文件
    @Test
    public void upload() throws Exception {
        Path localPath = new Path("cifar-10-python.tar.gz");
        Path hdfsPath = new Path("/");
        fileSystem.copyFromLocalFile(localPath, hdfsPath);
    }

运行完成后，我们可以看到 hdfs 已经成功显示刚才上传的文件

在这里插入图片描述

5.2.6 下载文件

Java 代码

    // 下载文件
    @Test
    public void download() throws Exception {
        Path hdfsPath = new Path("/hadoop-2.6.0-cdh5.7.0.tar.gz");
        Path localPath = new Path("./down/hadoop-2.6.0-cdh5.7.0.tar.gz");
        fileSystem.copyToLocalFile(false, hdfsPath, localPath, true);
    }

运行完后我们可以看到当前目录 down 下已经有了刚刚下载的文件

在这里插入图片描述

6. Java 实现 WordCount

这里要注意在 main 下操作， test下是用来测试的

新建一个 WordCountApp 类

在这里插入图片描述

Java 代码如下

package com.neusoft;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
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.output.FileOutputFormat;

import java.io.IOException;

/**
 * 词频统计
 */
public class WordCountApp {
    /**
     * map 阶段
     */
    public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable> {
        LongWritable one = new LongWritable(1);

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            // 分
            String line = value.toString();
            // 拆分
            String[] s = line.split(" ");
            for (String word : s) {
                // 输出
                context.write(new Text(word), one);
            }
        }
    }

    /**
     * reduce 阶段
     */
    public static class MyReducer extends Reducer<Text, LongWritable, Text, LongWritable> {
        @Override
        protected void reduce(Text key, Iterable<LongWritable> values, Context context) throws IOException, InterruptedException {
            long sum = 0;
            // 合并统计
            for (LongWritable value : values) {
                // 求和
                sum += value.get();
            }
            context.write(key, new LongWritable(sum));
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration configuration = new Configuration();
        Job job = Job.getInstance(configuration, "wordcount");
        job.setJarByClass(WordCountApp.class);

        // 设置 map 相关参数
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);

        // 设置 reduce 相关参数
        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(MyReducer.class);
        job.setOutputValueClass(LongWritable.class);

        Path outPath = new Path(args[1]);
        FileSystem fileSystem = FileSystem.get(configuration);
        if (fileSystem.exists(outPath)) {
            // 删除文件
            fileSystem.delete(outPath, true);
            System.out.println("输出路径已存在, 已被删除");
        }
        FileOutputFormat.setOutputPath(job, outPath);

        // 控制台输出详细信息
        // 输出：1  不输出：0
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

打包程序

在这里插入图片描述

打包完成后，将 jar 包上传到 hadoop 虚拟机

在这里插入图片描述

首先通过shell命令将输出文件夹删除，不然重复执行会报错
```
hadoop fs -rm -r /output/wc
```

然后执行下列操作

hadoop jar hadoopdemo-1.0-SNAPSHOT.jar com.neusoft.WordCountApp hdfs://hadoop000:8020/ruochenchen.txt hdfs://hadoop000:8020/output/wc

hadoop jar hadoopdemo-1.0-SNAPSHOT.jar com.neusoft.WordCountApp 输入文件 输出文件

在这里插入图片描述

然后我们可以看到作业中有显示

在这里插入图片描述

通过 cat 命令可以查看一下输出的文件

在这里插入图片描述

hadoop fs -cat /output/wc/part-r-00000

![在这里插入图片描述](https://ucc.alicdn.com/images/user-upload-01/20210610205941855.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI5MzM5NDY3,size_16,color_FFFFFF,t_70)

Hadoop 入门教程

Hadoop 教程

1. 前期准备

2. HDFS启动

3. Hadoop启动失败解决方法

4. Hadoop Shell命令

5. Java 操作 HDFS API

5.1. 新建项目

5.2. 测试

5.2.1 新建文件夹

5.2.2 新建文件

5.2.3 修改文件名称

5.2.4 查看文件

5.2.5 上传文件

5.2.6 下载文件

6. Java 实现 WordCount

热门文章

最新文章

相关课程

相关电子书

相关实验场景

热门

活动广场

任务中心

开发者评测

高校计划

乘风者计划

训练营

阿里云MVP

话题

直播

下载

镜像站

技术资料

插件

Hadoop 入门教程

Hadoop 教程

1. 前期准备

2. HDFS启动

3. Hadoop启动失败解决方法

4. Hadoop Shell命令

5. Java 操作 HDFS API

5.1. 新建项目

5.2. 测试

5.2.1 新建文件夹

5.2.2 新建文件

5.2.3 修改文件名称

5.2.4 查看文件

5.2.5 上传文件

5.2.6 下载文件

6. Java 实现 WordCount

热门文章

最新文章

相关课程

相关电子书

相关实验场景