合肥工业大学2022大数据技术实验二

实验序号及名称：实验二在Hadoop平台上部署WordCount程序实验时间∶ 2022年5月14日

预习内容

一、实验目的和要求∶

在Hadoop平台上部署WordCount程序。

二、实验任务∶

该项任务请同学作为作业自行完成，并提交实验报告。

脱离ide环境运行wordcount

三、实验准备方案，包括以下内容：

（硬件类实验：实验原理、实验线路、设计方案等）

（软件类实验：所采用的系统、组件、工具、核心方法、框架或流程图、程序清单等）

操作系统：CentOS 7

工具：VMWare WorkstationPro

实验内容

一、实验用仪器、设备：

宿主机（个人笔记本2020年联想拯救者R7000）：

操作系统：Windows10；

虚拟机（VMWare Workstation）：

操作系统：CentOS 7

二、实验内容与步骤（过程及数据记录）：

(1) 先在Eclipse中创建“WordCount”MapReduce项目。

(2) 在项目中创建一个新的Java文件命名为“WordCountTest.java”。

(3)在Java文件中输入下列代码：

import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;public class WordCountTest {public WordCountTest() {}public static void main(String[] args) throws Exception {Configuration conf = new Configuration();String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();if(otherArgs.length < 2) {System.err.println("Usage: wordcount <in> [<in>...] <out>");System.exit(2);}Job job = Job.getInstance(conf, "word count test");job.setJarByClass(WordCountTest.class);job.setMapperClass(WordCountTest.TokenizerMapper.class);job.setCombinerClass(WordCountTest.IntSumReducer.class);job.setReducerClass(WordCountTest.IntSumReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);for(int i = 0; i < otherArgs.length - 1; ++i) {FileInputFormat.addInputPath(job, new Path(otherArgs[i]));}FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));System.exit(job.waitForCompletion(true)?0:1);}public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {private IntWritable result = new IntWritable();public IntSumReducer() {}public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {int sum = 0;IntWritable val;for(Iterator itr = values.iterator(); itr.hasNext(); sum += val.get()) {val = (IntWritable)itr.next();}this.result.set(sum);context.write(key, this.result);}}public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {private static final IntWritable one = new IntWritable(1);private Text word = new Text();public TokenizerMapper() {}public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {StringTokenizer itr = new StringTokenizer(value.toString());while(itr.hasMoreTokens()) {this.word.set(itr.nextToken());context.write(this.word, one);}}}
}

(4) Hadoop配置文件添加到“WordCount” MapReduce项目。

[hfut@master ~]$ cp ~/hadoop-3.2.2/etc/hadoop/log4j.properties ~/workspace/MyWordCount/src

(5) 通过Eclipse运行“MyWordCount” MapReduce项目。

(6) 在eclipse上能如果能够成功运行，将这个项目打包成一个jar包保存到Hadoop里的myapp文件夹中。

(7) 在Hadoop上运行这个程序。

运行结果如图所示：

三、实验结果分析、思考题解答∶

myLocalFile.txt：

运行结果：

经判断，统计结果正确。

四、感想、体会、建议∶

WordCount程序是Hadoop的一个样例测试程序，直接调用jar包即可。通过本次实验，我对HDFS和Hadoop的shell命令有了初步的了解，对在Hadoop平台以及eclipse下运行程序所需操作、部署WordCount程序有了一定的理解并且能够上手操作。

遇见错误及解决办法：

直接运行jar包时，我出现了上图提示，对比老师的实验指导书后，发现该报错是说明缺少参数：输入文件路径及输出文件路径；重新修改命令如下图，可以正确运行：