MapReduce经典案例-词频统计。

已知有如下格式的日志文件,请统计每天的error次数。

2022-03-01 error:no boot disk has been detected

2022-03-01 warning:hardware failure detected

2022-03-01 error:flash download failed

2022-03-02 error:1d returned 1exit status

2022-03-05 error:expected expression

2022-03-05 warning:the high memory area

1.本地模式

(1)自定义mapper组件,map()方法指定的处理逻辑为:首先将每个键值对中的值转换为String类型,即获取数据块的每行数据;然后根据分隔符空格将每行数据拆分为多个单词,并将这些单词存放到数组;最后遍历数组以获取每个单词,将每个单词与值1组合成新的键值对<单词,1>,并输出到Reduce Task. 代码如下:

(2)自定义reducer组件,使用reducer组件处理数据,对mapper自建输出到reducer组件的数据进行处理,将相同对应的值累加,从而统计每个单词的出现次数,具体代码如下:

(3)编写驱动类,具体代码如下:

(4)运行结果:

2.集群模式

(1)mapper组件和reducer组件的定义和本地模式一样。

(2)驱动类需要将local改为yarn,文件的路径改为args[0]和args[1],代码如下:

(3)双击package将本项目打包成jar文件。

(4)将jar文件重命名:

(5)使用start-all.sh命令开启集群:

(6)使用rz命令上传jar文件:

(7)在HDFS上创建input文件夹:

(8)编写txt文件,并将该文件上传到HDFS上的/input目录下:

(9)在jar文件所在目录执行如下命令,将MapReduce程序提交到YARN集群运行:

(10)运行结果:

相关推荐
BatyTao6 分钟前
QT下载并安装
开发语言·qt
赵钰老师6 分钟前
MATLAB在生态环境数据处理与分析中的应用
开发语言·matlab
杰建云1678 分钟前
小程序从零搭建全流程实战指南
开发语言·小程序·php
斌果^O^10 分钟前
SpringBoot 实战:@Async + CompletableFuture 实现多 SQL 并行统计查询
java·spring boot·sql
weixin_4567231611 分钟前
Java项目的rabbitmq配置vhost
java·rabbitmq·java-rabbitmq
李少兄12 分钟前
解决 java.net.ConnectException: Connection refused 报错
java·开发语言·.net
-南帝-17 分钟前
行尾符格式转换问题(CRLF vs LF)如何快速解决(Agent)
java·ai
gumichef17 分钟前
栈和队列(1)
开发语言·数据结构
小新同学^O^18 分钟前
算法学习 --> 快速输入和输出
java·学习·算法
喜欢小苹果的码农18 分钟前
Java动态多定时任务
java