环境准备：
Hadoop2.6.0
IDEA
maven3.5.4
案例分析：
MapReduce是一种编程模型，用于大规模数据集（大于1TB）的并行运算。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。本项目用到的便是俗称Helloword的数据提取案例，官网源码见hadoop安装目录：
/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar
注意：在windows下直接查看需要反编译工具，解析jar包
输入数据：
期望输出数据：
环境搭建：
1.配置maven
将下载好的maven路径配置进去
2.配置解释器
3.在pom.xml文件中添加如下依赖
如下依赖只需要更改版本号即可，导入后刷新IDEA即可自动下载依赖
<dependencies> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>RELEASE</version> </dependency> <dependency> <groupId>org.apache.logging.log4j</groupId> <artifactId>log4j-core</artifactId> <version>2.8.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-common</artifactId> <version>2.7.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>2.7.2</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-hdfs</artifactId> <version>2.7.2</version> </dependency> </dependencies>
4.在项目的src/main/resources目录下，新建一个文件，命名为“log4j.properties”，在文件中填入。
log4j.rootLogger=INFO, stdout log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n log4j.appender.logfile=org.apache.log4j.FileAppender log4j.appender.logfile.File=target/spring.log log4j.appender.logfile.layout=org.apache.log4j.PatternLayout log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n 程序编写：
（1）编写Mapper类
package org.example.mapreduce.wordcount; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; import java.io.IOException; public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> { private Text outk = new Text(); private IntWritable outv = new IntWritable(1); @Override protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException { //获取一行 String line = value.toString(); //切割 String[] words = line.split(" "); //循环写出 for (String word : words) { //封装 outk.set(word); //写出 context.write(outk, outv); } } }
（2）编写Reducer类
package org.example.mapreduce.wordcount; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; import java.io.IOException; public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> { IntWritable outV = new IntWritable(); @Override protected void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException { int sum = 0; //tuomasi(1,1) //累加 for (IntWritable value : values) { sum += value.get(); } //写出 outV.set(sum); context.write(key, outV); } }
（3）编写Driver类
package org.example.mapreduce.wordcount; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import java.io.IOException; public class WordCountDriver { public static void main(String[] args) throws IOException, ClassNotFoundException ,InterruptedException{ //1.获取job Configuration conf = new Configuration(); Job job = Job.getInstance(conf); //2.设置jor包路径 job.setJarByClass(WordCountDriver.class); //3.关联mapper和reducer job.setMapperClass(WordCountMapper.class); job.setReducerClass(WordCountReducer.class); //4.设置mapper输出的k,v类型 job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); //5.设置最终输出的K,V类型 job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); //6.设置输入路径和输出路径 FileInputFormat.setInputPaths(job, new Path("E:\\input\\inputword")); FileOutputFormat.setOutputPath(job, new Path("E:\\output\\outputword")); //7.提交job作业 boolean result = job.waitForCompletion(true); System.exit(result ? 0 : 1); } }
本地测试：
注意：此处输出路径不能在运行前存在（提前存在会报错），运行后会自动生成
运行：
如图所示即为运行成功。
找到本地生成的文件，查看是否与期望值相同，如图：
涉及到的问题：
注意：在第一次运行可能会报缺少winutils错误，只需下载对应版本的winutils.exe文件解压到本地，配置Hadoop的环境变量即可
我的Hadoop为2.6.0版即使用如下包，提取码：0000 下方链接：
https://pan.baidu.com/s/1CMgma_VoO2mJ6iRROd7HCg
或：
https://download.csdn.net/download/m0_54925305/22011870?spm=1001.2014.3001.5501
环境变量：
1.配置系统变量HADOOP_HOME，路径指向hadoop-common-2.6.0-bin-master
2.Path配置，加入：%HADOOP_HOME%\bin
友情提示：
如遇代码运行过程中有多处警告或报错大多都是因为导包出错的，请仔细查看包是否导入正确。
环境搭建及WordCount案例完成。
