运行Hadoop自带的wordcount单词统计程序

简介: 运行Hadoop自带的wordcount单词统计程序

0.前言


   前面一篇《Hadoop初体验:快速搭建Hadoop伪分布式环境》搭建了一个Hadoop的环境,现在就使用Hadoop自带的wordcount程序来做单词统计的案例。


http://www.linuxidc.com/Linux/2017-09/146694.htm


1.使用示例程序实现单词统计


(1)wordcount程序


wordcount程序在hadoop的share目录下,如下:


[root@linuxidc mapreduce]# pwd

/usr/local/hadoop/share/hadoop/mapreduce

[root@linuxidc mapreduce]# ls

hadoop-mapreduce-client-app-2.6.5.jar        hadoop-mapreduce-client-jobclient-2.6.5-tests.jar

hadoop-mapreduce-client-common-2.6.5.jar      hadoop-mapreduce-client-shuffle-2.6.5.jar

hadoop-mapreduce-client-core-2.6.5.jar        hadoop-mapreduce-examples-2.6.5.jar

hadoop-mapreduce-client-hs-2.6.5.jar          lib

hadoop-mapreduce-client-hs-plugins-2.6.5.jar  lib-examples

hadoop-mapreduce-client-jobclient-2.6.5.jar  sources


就是这个hadoop-mapreduce-examples-2.6.5.jar程序。

(2)创建HDFS数据目录

   创建一个目录,用于保存MapReduce任务的输入文件:


[root@linuxidc ~]# hadoop fs -mkdir -p /data/wordcount


   创建一个目录,用于保存MapReduce任务的输出文件:


[root@linuxidc ~]# hadoop fs -mkdir /output


   查看刚刚创建的两个目录:


[root@linuxidc ~]# hadoop fs -ls /

drwxr-xr-x  - root supergroup          0 2017-09-01 20:34 /data

drwxr-xr-x  - root supergroup          0 2017-09-01 20:35 /output


(3)创建一个单词文件,并上传到HDFS

   创建的单词文件如下:


[root@linuxidc ~]# cat myword.txt  

linuxidc yyh

yyh xplinuxidc

katy ling

yeyonghao linuxidc

xpleaf katy


   上传该文件到HDFS中:


[root@linuxidc ~]# hadoop fs -put myword.txt /data/wordcount


   在HDFS中查看刚刚上传的文件及内容:


[root@linuxidc ~]# hadoop fs -ls /data/wordcount

-rw-r--r--  1 root supergroup        57 2017-09-01 20:40 /data/wordcount/myword.txt

[root@linuxidc ~]# hadoop fs -cat /data/wordcount/myword.txt

linuxidc yyh

yyh xplinuxidc

katy ling

yeyonghao linuxidc

xpleaf katy


(4)运行wordcount程序

   执行如下命令:


[root@linuxidc ~]# hadoop jar /usr/local/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.5.jar wordcount /data/wordcount /output/wordcount

...

17/09/01 20:48:14 INFO mapreduce.Job: Job job_local1719603087_0001 completed successfully

17/09/01 20:48:14 INFO mapreduce.Job: Counters: 38

       File System Counters

               FILE: Number of bytes read=585940

               FILE: Number of bytes written=1099502

               FILE: Number of read operations=0

               FILE: Number of large read operations=0

               FILE: Number of write operations=0

               HDFS: Number of bytes read=114

               HDFS: Number of bytes written=48

               HDFS: Number of read operations=15

               HDFS: Number of large read operations=0

               HDFS: Number of write operations=4

       Map-Reduce Framework

               Map input records=5

               Map output records=10

               Map output bytes=97

               Map output materialized bytes=78

               Input split bytes=112

               Combine input records=10

               Combine output records=6

               Reduce input groups=6

               Reduce shuffle bytes=78

               Reduce input records=6

               Reduce output records=6

               Spilled Records=12

               Shuffled Maps =1

               Failed Shuffles=0

               Merged Map outputs=1

               GC time elapsed (ms)=92

               CPU time spent (ms)=0

               Physical memory (bytes) snapshot=0

               Virtual memory (bytes) snapshot=0

               Total committed heap usage (bytes)=241049600

       Shuffle Errors

               BAD_ID=0

               CONNECTION=0

               IO_ERROR=0

               WRONG_LENGTH=0

               WRONG_MAP=0

               WRONG_REDUCE=0

       File Input Format Counters  

               Bytes Read=57

       File Output Format Counters  

               Bytes Written=48


(5)查看统计结果

   如下:


[root@linuxidc ~]# hadoop fs -cat /output/wordcount/part-r-00000

katy    2

linuxidc    2

ling    1

xplinuxidc  2

yeyonghao      1

yyh    2



效果:

20181119170146179.png

目录
相关文章
|
15天前
|
数据采集 分布式计算 监控
Hadoop集群长时间运行数据倾斜原因
【6月更文挑战第20天】
21 6
|
15天前
|
分布式计算 监控 网络协议
Hadoop集群长时间运行网络延迟原因
【6月更文挑战第20天】
25 2
|
1天前
|
分布式计算 资源调度 监控
Hadoop中运行Job
【7月更文挑战第10天】
10 2
|
15天前
|
存储 缓存 分布式计算
|
16天前
|
存储 分布式计算 负载均衡
Hadoop集群长时间运行
【6月更文挑战第19天】
18 3
|
21天前
|
分布式计算 资源调度 Java
Scala+Spark+Hadoop+IDEA实现WordCount单词计数,上传并执行任务(简单实例-下)
Scala+Spark+Hadoop+IDEA实现WordCount单词计数,上传并执行任务(简单实例-下)
20 0
|
21天前
|
分布式计算 Hadoop Scala
Scala +Spark+Hadoop+Zookeeper+IDEA实现WordCount单词计数(简单实例-上)
Scala +Spark+Hadoop+Zookeeper+IDEA实现WordCount单词计数(简单实例-上)
18 0
|
29天前
|
分布式计算 Hadoop 分布式数据库
Hadoop生态系统介绍(二)大数据技术Hadoop入门理论系列之一----hadoop生态圈介绍
Hadoop生态系统介绍(二)大数据技术Hadoop入门理论系列之一----hadoop生态圈介绍
76 2
|
25天前
|
存储 分布式计算 Hadoop
Spark和Hadoop都是大数据处理领域的重要工具
【6月更文挑战第17天】Spark和Hadoop都是大数据处理领域的重要工具
123 59
|
12天前
|
分布式计算 Hadoop Java
优化大数据处理:Java与Hadoop生态系统集成
优化大数据处理:Java与Hadoop生态系统集成