本地运行以及远程运行mapReduce

mapReduce可以分为2部分，map以及reduce。

map的作用是将业务数字化，模型化。然后指定，reduce函数保证所有映射的键值对中的每一个共享相同的键组。

不管本地运行，还是远程运行，都需要在本地配置hadoop环境。

1. 将hadoop-3.2.1.tar.gz解压至本地目录

2.将winutils.exe以及hadoop.dll放在hadoop-3.2.1bin目录下

3.配置环境变量

path配置

 之后的就与网上其他代码的一致了。

本地运行

本地main函数


  // 1 获取配置信息以及封装任务
        Configuration configuration = new Configuration();
        configuration.set("fs.defaultFS", "file:///");
        System.setProperty("HADOOP_USER_NAME", "root");
        Job job = Job.getInstance(configuration);

        // 2 设置jar加载路径
        job.setJarByClass(WordCountDriver.class);

        // 3 设置map和reduce类
        job.setMapperClass(WordCountMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        job.setReducerClass(WordCountReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        // 6 设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path("D:\hadoop_demo\input\word.txt"));
        FileOutputFormat.setOutputPath(job, new Path("D:\hadoop_demo\input\word"));

        // 7 提交
        boolean result = job.waitForCompletion(true);

运行成功后

结果在part-r-00000中。

远程运行

Configuration conf = new Configuration();
		conf.set("fs.defaultFS", "hdfs://192.168.100.5:8020");
		conf.set("yarn.resourcemanager.hostname", "192.168.100.5:8088");
		conf.set("dfs.permissions","false");
		
		Job job = Job.getInstance(conf);
		job.setJobName("job01..");
		job.setJarByClass(JobRunner.class);
		
		job.setMapperClass(FriendsMapper.class);
		job.setReducerClass(FriendsReduce.class);
		
		job.setMapOutputKeyClass(FoF.class);
		job.setOutputValueClass(IntWritable.class);
		
		FileInputFormat.addInputPath(job, new Path("/hdfsinput/input/data.txt"));
		FileSystem fs = FileSystem.get(conf);
		Path out = new Path("/hdfsinput/output/01/");
		if (fs.exists(out)) {
			fs.delete(out, true);
		}
		
		FileOutputFormat.setOutputPath(job, out);
		
		return job.waitForCompletion(true);