一步两步,学习大数据（四）——IDEA 搭建hadoop mapreduce程序

写在前面

可能大家都习惯用eclipse来写hadoop map/reduce程序，因为eclipse提供有连接集群的插件，可以很方便的帮助我们连接、简单操作集群中的文件，以及创建map/reduce程序。而用IDEA来搭建hadoop程序则稍显复杂，如果你是IDEA的忠实粉丝，又不知如何用IDEA搭建map/reduce程序，就可以参考小编今天的文章啦。

准备工作

工具：hadoop集群，小编选择的hadoop版本是hadoop2.7.4；虚拟机版本是centos7；jdk版本1.8以上；

IDEA2017.2.5；maven版本3.5，开发环境，window7

详细步骤

1.创建空maven项目

此步骤注意选择jdk版本，maven基本配置等。

继续下一步，配置groupid和artifactId，项目保存位置等不再细说。

2.pom文件中增加依赖

<dependencies>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>

<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.7.4</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.7.4</version>
</dependency>

<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-core</artifactId>
<version>2.7.4</version>
</dependency>

<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-jobclient</artifactId>
<version>2.7.4</version>
</dependency>

<dependency>
<groupId>log4j</groupId>
<artifactId>log4j</artifactId>
<version>1.2.17</version>
</dependency>
</dependencies>

hadoop相关jar包的版本尽量和自己集群中的hadoop版本一致。

3.hadoop配置文件

core-site.xml

<configuration>
<property>
<name>fs.defaultFS</name>
<!--<value>hdfs://192.168.13.100:9000</value>-->
<value>hdfs://master:9000</value>
</property>
</configuration>

此处还要注意集群访问权限问题，修改hdfs-site.xml文件，增加如下配置项：

<property>
<name>dfs.permissions.enabled</name>
<value>false</value>
</property>

重启集群生效，当然，在生产环境中这样配置肯定是不行滴！！！

4.log4j.properties文件

这个贴出来只做参考：

log4j.rootLogger = debug,stdout

### 输出信息到控制抬 ###
log4j.appender.stdout = org.apache.log4j.ConsoleAppender
log4j.appender.stdout.Target = System.out
log4j.appender.stdout.layout = org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern = [%-5p] %d{yyyy-MM-dd HH:mm:ss,SSS} method:%l%n%m%n

5.项目总体结构

6.实验代码

package com.zhiyou100.hadoop;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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 java.io.IOException;
import java.util.StringTokenizer;

/**
* @author longping jie
* @name MyApp
* @description the class is 统计红楼梦中的哭和笑出现的次数
* @date 2017/10/12
*/
public class MyApp {
public static class MyMapper extends Mapper<Object,Text,Text,IntWritable>{
private IntWritable num = new IntWritable();
private Text word = new Text();
private int no = 0;
public void map(Object key,Text value,Context context) throws IOException, InterruptedException {
StringTokenizer st = new StringTokenizer(value.toString(), ", 。 ？ ！");
while(st.hasMoreElements()) {

String text=st.nextElement().toString().trim();
no = no+1;
context.getCounter("zy", "statement").increment(1);
if(text.contains("笑")) {
word.set("1笑");
num.set(no);
context.write(word,num);
}
if(text.contains("哭")) {
word.set("2哭");
num.set(no);
context.write(word,num);
}
}
}
}
public static class MyReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {
int sum=0;
for(IntWritable val : values) {
System.out.println(key+":"+val);
sum+=1;
}
result.set(sum);
context.write(key, result);
}

}
public static void main(String [] args)throws IOException, ClassNotFoundException, InterruptedException{
Configuration conf = new Configuration();
Job job = Job.getInstance(conf,"HLM");
job.setJarByClass(MyApp.class);

job.setReducerClass(MyReducer.class);
job.setMapperClass(MyMapper.class);

job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);

Path in_path = new Path("hdfs://master:9000/text/hlm-utf8.txt");
Path out_path = new Path("hdfs://master:9000/result/hlm01/");

FileSystem fs = FileSystem.get(conf);
if(!fs.exists(in_path)){
System.out.println("输入路径 " + in_path.getName() + " 不存在");
System.exit(1);
}
if (fs.exists(out_path)) {
//避免手动删除输出目录的麻烦
System.out.println("输出路径 " + out_path.getName() + " 已存在,默认删除");
fs.delete(out_path, true);
}

FileInputFormat.setInputPaths(job,in_path);
FileOutputFormat.setOutputPath(job,out_path);
System.out.println(job.waitForCompletion(true)?0:1);
}

}

程序运行结果为：

1笑 3807

2哭 567

注意：

1.提前在input文件夹中上传好实验数据——红楼梦的文本文件。

2.输入输出文件路径可以在args参数中指定。方便打jar包后在程序集群中运行。

程序可能会出现的问题：

异常信息1：

Exception in thread "main" org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/spark/global":root:supergroup:drwxr-xr-x
at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.checkFsPermission(FSPermissionChecker.java:271)

at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.check(FSPermissionChecker.java:257)

这是因为当前用户Administrator没有对/spark/global的写入权限. 有几种方式解决：

增加本地环境变量

修改本地用户账号

修改hdfs配置 core-site.xml ，添加 dfs.permissions : false, 并修改目录权限可写入（貌似不太行）

小编通过第一种方式，添加本地环境变量HADOOP_USER_NAME=root解决。

异常信息2：

Exception in thread "main" java.lang.IllegalArgumentException: Wrong FS: hdfs://master:9000/text/hlm-utf8.txt, expected: file:///
at org.apache.hadoop.fs.FileSystem.checkPath(FileSystem.java:649)
at org.apache.hadoop.fs.RawLocalFileSystem.pathToFile(RawLocalFileSystem.java:82)
at org.apache.hadoop.fs.RawLocalFileSystem.deprecatedGetFileStatus(RawLocalFileSystem.java:606)
at org.apache.hadoop.fs.RawLocalFileSystem.getFileLinkStatusInternal(RawLocalFileSystem.java:824)
at org.apache.hadoop.fs.RawLocalFileSystem.getFileStatus(RawLocalFileSystem.java:601)
at org.apache.hadoop.fs.FilterFileSystem.getFileStatus(FilterFileSystem.java:428)
at org.apache.hadoop
a235
.fs.FileSystem.exists(FileSystem.java:1426)
at com.zhiyou100.hadoop.MyApp.main(MyApp.java:78)

原因：缺少core-site.xml配置文件。

整个项目的搭建以及配置遇到的困难基本如上，如果读者自己在练习的过程中遇到其他错误，欢迎在评论区讨论。小编刚开始学hadoop，不足之处还望各位读者多多指教。谢谢。

最后，欢迎读者关注小编其他后续学习大数据的心得及经验。