Hadoop 入门教程

简介: Hadoop 入门教程

Hadoop 教程

1. 前期准备

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
  • hadoop000localhost 均改为本机ip

在这里插入图片描述
在这里插入图片描述

4. Hadoop Shell命令

  • 浏览器可视化文件系统

在这里插入图片描述

  • 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
在这里插入图片描述
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
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

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
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
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)
目录
相关文章
|
11月前
|
SQL 缓存 数据管理
开源分布式数据库PolarDB-X源码解读——PolarDB-X源码解读(五):DML之Insert流程.
开源分布式数据库PolarDB-X源码解读——PolarDB-X源码解读(五):DML之Insert流程.
625 0
|
开发工具 git
关于github默认分支名改为main后可能的处理【git推送到远程不同的分支、github修改默认分支名】
git如何删除本地分支、删除远程分支,由分支的删除可以实现推送到远程不同的分支。 git不允许推送到远程与本地分支名不同的分支上。
797 1
|
XML Java API
小伙伴想写个 IDEA 插件么?这些 API 了解一下!
在看完 IDEA 插件开发简易教程后,小伙伴们是否迫不及待的想自己上手整一个插件了?心里规划好了一二三,但是却不知道从哪里开始下手。下面我分享下自己整理的一些常用的 API。
367 0
|
11月前
|
SQL Cloud Native 安全
10倍性能提升,一文读懂AnalyticDB秒级漏斗分析函数
AnalyticDB MySQL秒级漏斗分析函数助力企业简单快速研判用户增长
10563 2
|
11月前
|
大数据 数据挖掘 测试技术
数据项目交付小记:测试报告&公共层&中台组织
最近项目交付上遇到了一些问题,我把自己的回答和想法记录一下,分享给大家。
17211 1
|
Java
Java 最常见面试题:Array 和 ArrayList 有何区别?
Java 最常见面试题:Array 和 ArrayList 有何区别?
91 0
|
分布式计算 Java Linux
docker下,极速搭建spark集群(含hdfs集群)
搭建spark和hdfs的集群环境会消耗一些时间和精力,今天咱们就借助docker,极速搭建和体验spark和hdfs的集群环境
510 0
docker下,极速搭建spark集群(含hdfs集群)
|
存储 分布式计算 资源调度
Spark on k8s 在阿里云 EMR 的优化实践
本文整理自阿里云技术专家范佚伦在7月17日阿里云数据湖技术专场交流会的分享。
Spark on k8s 在阿里云 EMR 的优化实践
|
分布式计算 Ubuntu Hadoop
D001.8 Docker搭建Spark集群(实践篇)
环境及资源准备; 生成容器; 检验Hadoop与Spark
417 0
D001.8 Docker搭建Spark集群(实践篇)
|
消息中间件 SQL JSON
Apache Doris Routine Load数据导入使用方法
Routine Load 是支持用户提交一个常驻的导入任务,通过不断的从指定的数据源读取数据,将数据导入到 Doris 中。目前仅支持通过无认证或者 SSL 认证方式,从 Kakfa 导入的数据。
622 0
Apache Doris Routine Load数据导入使用方法

相关实验场景

更多