标签：15 第一个 04 项目 MapReduce hadoop job import 2010
参考自林子雨大数据教学：http://dblab.xmu.edu.cn/blog/hadoop-build-project-using-eclipse/
整个过程按照实验要求
第一步创建文件夹；放入文本文件，填入一下数据。
1000481 2010-04-04 16:54:31 1001597 2010-04-07 15:07:52 1001560 2010-04-07 15:08:27 1001368 2010-04-08 08:20:30 1002061 2010-04-08 16:45:33 1003289 2010-04-12 10:50:55 1003290 2010-04-12 11:57:35 1003292 2010-04-12 12:05:29 1002420 2010-04-14 15:24:12 1001679 2010-04-14 19:46:04 1010675 2010-04-14 15:23:53 1002429 2010-04-14 17:52:45 1002427 2010-04-14 19:35:39 1003326 2010-04-20 12:54:44 1002420 2010-04-15 11:24:49 1002422 2010-04-15 11:35:54 1003066 2010-04-15 11:43:01 1003055 2010-04-15 11:43:06 1010183 2010-04-15 11:45:24 1002422 2010-04-15 11:45:49 1003100 2010-04-15 11:45:54 1003094 2010-04-15 11:45:57 1003064 2010-04-15 11:46:04 1010178 2010-04-15 16:15:20 1003101 2010-04-15 16:37:27 1003103 2010-04-15 16:37:05 1003100 2010-04-15 16:37:18 1003066 2010-04-15 16:37:31 1003103 2010-04-15 16:40:14 1003100 2010-04-15 16:40:16
将Linux的文件上传到HDFS/mapreduce1/in的目录下
将 release 中的 hadoop-eclipse-kepler-plugin-2.6.0.jar 复制到 Eclipse 安装目录的 plugins 文件夹中运行 eclipse -clean
启动 Eclipse 后就可以在左侧的Project Explorer中看到 DFS Locations
第一步：选择 Window 菜单下的 Preference。
窗体的左侧会多出 Hadoop Map/Reduce 选项，点击此选项，选择 Hadoop 的安装目录
第二步：切换 Map/Reduce 开发视图，选择 Window 菜单下选择 Open Perspective -> Other（CentOS 是 Window -> Perspective -> Open Perspective -> Other），弹出一个窗体，从中选择 Map/Reduce 选项即可进行切换。
第三步：建立与 Hadoop 集群的连接，点击 Eclipse软件右下角的 Map/Reduce Locations 面板，在面板中单击右键，选择 New Hadoop Location。
Location name 随便起一个名字
- 运行测试代码WordCount
新建项目
在src文件夹下将hadoop安装目录中的配置文件复制过来
core-site.xml hdfs-site.xml log4j.properties
右击项目刷新（refresh）出现以下文件
创建Demo类
package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.StringTokenizer;
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;
public class Demo {
public static void main(String[] args) throws IOException,ClassNotFoundException,InterruptedException {
Job job = Job.getInstance();
job.setJobName("WordCount");
job.setJarByClass(WordCount.class);
job.setMapperClass(doMapper.class);
job.setReducerClass(doReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
Path in = new Path("hdfs://localhost:9000/mymapreduce1/in/buyer_favorite1");
Path out = new Path("hdfs://localhost:9000/mymapreduce1/out");
FileInputFormat.addInputPath(job,in);
FileOutputFormat.setOutputPath(job,out);
System.exit(job.waitForCompletion(true)?0:1);
}
public static class doMapper extends Mapper<Object,Text,Text,IntWritable>{
public static final IntWritable one = new IntWritable(1);
public static Text word = new Text();
@Override
protected void map(Object key, Text value, Context context)
throws IOException,InterruptedException {
StringTokenizer tokenizer = new StringTokenizer(value.toString()," ");
word.set(tokenizer.nextToken());
context.write(word,one);
}
}
public static class doReducer extends Reducer<Text,IntWritable,Text,IntWritable>
{
private IntWritable result = new IntWritable();
@Override
protected void reduce(Text key,Iterable<IntWritable> values,Context context)
throws IOException,InterruptedException
{
int sum = 0;
for (IntWritable value : values)
{
sum += value.get();
}
result.set(sum);
context.write(key,result);
}
}
}
运行截图：
标签：15,第一个,04,项目,MapReduce,hadoop,job,import,2010 来源： https://www.cnblogs.com/0518liu/p/11768587.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。