十四、运行经典案例 wordcount

1、新建一个文本

  • 执行命令:
bash 复制代码
vim wordcount.txt
  • 输入以下内容:
bash 复制代码
Hello Hadoop
Bye Hadoop

2、上传文本到 HDFS

  • 在正式上传前,要先开启服务啊(已开启的可以忽略):
bash 复制代码
start-all.sh
  • 在 HDFS 文件系统中新建一个 input 目录:
bash 复制代码
hdfs dfs -mkdir /input
  • 确认 input 目录是否创建成功:
bash 复制代码
hdfs dfs -ls /
  • 上传 wordcount.txt 文件到 input 目录:
bash 复制代码
hdfs dfs -put wordcount.txt /input
  • 确认文件是否上传成功:
bash 复制代码
hdfs dfs -ls /input

3、运行 wordcount

进入 Hadoop 自带的经典案例目录:

bash 复制代码
cd /opt/module/hadoop-3.2.1/share/hadoop/mapreduce

执行 wordcount 并将结果输出值 output 目录:

bash 复制代码
hadoop jar hadoop-mapreduce-examples-3.2.1.jar wordcount /input /output

这条命令是在 Hadoop 环境中运行 MapReduce 示例程序中的 "词频统计(wordcount)" 任务,各部分含义如下:

  • hadoop: HADOOP_HOME/bin 下的 shell 脚本

  • jar: Hadoop 脚本需要的命令参数

  • hadoop jar:Hadoop 提供的用于运行 JAR 包中 MapReduce 程序的命令。

  • hadoop-mapreduce-examples-3.2.1.jar:Hadoop 自带的 MapReduce 示例程序 JAR 包(版本号 3.2.1,需与实际 Hadoop 版本对应),其中包含了 wordcount 等经典示例。

  • wordcount:指定要运行的示例程序类名,这里即词频统计程序,作用是统计输入文本中每个单词出现的次数。

  • /input:HDFS 上的输入目录路径,该目录下存放待统计的文本文件(需提前通过hdfs dfs -put等命令上传)。

  • /output:HDFS 上的输出目录路径,程序运行成功后,统计结果会写入该目录(注意:该目录必须是不存在的,否则会报错,需提前删除或更换名称)。

执行后,MapReduce 会自动完成 "映射(Map)" 和 "归约(Reduce)" 过程,最终在/output目录下生成结果文件(通常是part-r-00000),包含每个单词及其出现次数。

4、查看结果

查看运行结果所在的目录:

bash 复制代码
hdfs dfs -ls /output

查看 wordcount 运行结果:

bash 复制代码
hdfs dfs -cat /output/part-r-00000
相关推荐
kyle~6 小时前
嵌入式 SoC 系统
linux·c++·嵌入式·计算系统
人生!?8 小时前
Linux 从入门到进阶 | 基础语法
linux·笔记·教程
大大大大晴天8 小时前
每天认识一个组件:VictoriaMetrics
大数据
龙腾AI白云9 小时前
具身智能的空间导航与未知环境探索
大数据·数据库·人工智能·机器学习·知识图谱
心之王者7169 小时前
Linux 进程信号:从产生、阻塞到捕捉与子进程回收
linux·服务器·网络
AndreaYYmm10 小时前
日志里 grep 到 Fail 就判失败?这六个假阳性我全踩过
linux·shell
演艺大赏10 小时前
三个坑连环套:一次 NameNode 起不来,从 JournalNode 未格式化查到配置里多了个挂载点
大数据·hadoop
爱吃香菜的初学者10 小时前
二十五.Linux——epoll
linux·运维·服务器
少司府10 小时前
嵌入式外设篇(一)GPIO·一:认识GPIO
linux·单片机·嵌入式硬件·mcu·系统·rtos·嵌入式软件
Aloudata11 小时前
服饰零售数据治理如何统一款色码与库存口径,支撑门店售罄率和补货分析?
大数据·数据分析·零售