Mapreduce小试牛刀(1)

1.与hdfs一样,mapreduce基于hadoop框架,所以我们首先要启动hadoop服务器


2.修改hadoop-env.sh位置JAVA_HOME配置,在JAVA_HOME前面加上export,重启主虚拟机,最好也把另外两个节点同位置的该配置文件改了

如果这里不配置好JAVA_HOME变量,那么在后续运行时会出现127号报错,显示未找到JAVA_HOME


3.修改内存

修改yarn-site.xml文件中的内存大小。一般来说,第一次都分配的1024mb,但是在进行mapreduce运算时,会要求至少1536mb内存。但是不要直接设置为1536mb,不要忘记操作系统也会占用内存!但是也不要设置的太大,以免把本机下爆


4.示例1

本地文档单词统计

1.在某一文件夹下,编辑一个txt文件

复制代码
vi wdtest.txt

2.上传到某一hdfs的目录下

复制代码
hdfs dfs -put wdtest.txt /input

3.利用hadoop自带的包,进行单词统计

复制代码
hadoop jar /home/hadoop/hadoop-3.3.4/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.3.4.jar wordcount /input /output

系统会新建一个叫做ouput的目录收录统计结果(part-r-00000文件)

4.利用cat命令查看统计结果

复制代码
hadoop fs -cat /output/part-r-00000

5.示例2(Hadoop Streaming统计总的字节数)

输入如下代码,结果会在output2目录下显示

复制代码
mapred streaming \
 -input /input \                                        
 -output /output2 \                                  
 -mapper /bin/cat \
 -reducer /usr/bin/wc

注意:要连续、完整输入这段代码,输完后会自动开始计算作业!

输入代码,查看统计结果:

复制代码
hadoop fs -cat /output2/part-00000

分别为行数、单词数、字节数

这里采用了Hadoop Streaming工具集。Hadoop Streaming是Hadoop新推出的一个工具集。这个工具集并不是提供流式计算的功能,而是允许以命令行的方式代替千篇一律的Driver代码。但是与第一种方法相比,它并不能统计出各个单词出现的次数

相关推荐
励志成为糕手4 天前
Hadoop进程:深入理解分布式计算引擎的核心机制
大数据·hadoop·分布式·mapreduce·yarn
小白不想白a15 天前
【Hadoop】YARN、离线计算框架MapReduce、Hive
大数据·hive·hadoop·mapreduce·yarn
励志成为糕手24 天前
大数据MapReduce架构:分布式计算的经典范式
大数据·hadoop·mapreduce·分布式计算·批处理
喂完待续24 天前
【Tech Arch】Spark为何成为大数据引擎之王
大数据·hadoop·python·数据分析·spark·apache·mapreduce
程序员小羊!1 个月前
Hadoop MapReduce 3.3.4 讲解~
大数据·hadoop·mapreduce
码字的字节2 个月前
深入解析Hadoop MapReduce中Reduce阶段排序的必要性
大数据·hadoop·mapreduce·reduce
码字的字节2 个月前
深入解析Hive SQL转MapReduce的编译原理:从AST抽象语法树到Operator执行树
hive·sql·ast·mapreduce·operator
莫彩2 个月前
Mapreduce 工业界批式计算经验汇总(下)
大数据·mapreduce
Edingbrugh.南空2 个月前
Hadoop MapReduce 入门
大数据·hadoop·mapreduce
一瓣橙子2 个月前
缺少关键的 MapReduce 框架文件
大数据·mapreduce