我最近使用四臺Centos虛擬機搭建了一套分布式hadoop環(huán)境，簡單模擬了線上上的hadoop真實分布式集群，主要用于業(yè)余學習大數(shù)據(jù)相關(guān)體系。

其中，一臺服務器作為NameNode，一臺作為Secondary NameNode，剩下兩臺當做DataNodes節(jié)點服務器，類似下面這樣一個架構(gòu)——

NameNodeSecondary NameNodeDataNodes

master1(192.168.200.111)	√
master2(192.168.200.112)		√
slave1(192.168.200.117)			√
slave2(192.168.200.115)			√

接下來,就是開始通過hadoop自帶的wordcount來統(tǒng)計一下文件當中的字符數(shù)量。

啟動hadoop集群后，在集群可用情況下，按照以下步驟：
一、進入到hadoop安裝目錄，創(chuàng)建一個測試文件example.txt

我的安裝目錄是：/opt/hadoop/app/hadoop/hadoop-2.7.5

[root@192 hadoop-2.7.5]# pwd /opt/hadoop/app/hadoop/hadoop-2.7.5

新建一個example.txt，并隨機寫入一些字符：

aaa bbb cccc dedef dedf dedf ytrytrgtrcdscdscdsc dedaxa cdsvfbgf uyiuyi ss xaxaxaxa

接著，在hdfs文件系統(tǒng)上新建一個input文件夾，用來存放example.txt文件——

[root@192 hadoop-2.7.5]# hdfs dfs -mkdir /input

然后，將example.txt復制到hdfs系統(tǒng)上的input目錄下——

[root@192 hadoop-2.7.5]# hdfs dfs -put example.txt /input

檢查一下，可以看到，example.txt文件已經(jīng)在input目錄底下了——

[root@192 hadoop-2.7.5]# hdfs dfs -ls /input Found 1 items -rw-r--r-- 3 root supergroup 84 2021-10-20 12:43 /input/example.txt

這些準備工作做好后，就可以開始使用hadoop自帶的jar包來統(tǒng)計文件example.txt當中各字符的數(shù)量了。

二、運行wordcount對文件字符進行統(tǒng)計

直接在NameNode節(jié)點對應的服務器上執(zhí)行——

[root@192 hadoop-2.7.5]# hadoop jar /opt/hadoop/app/hadoop/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount /input /output

這行指令的大概意思是，分布式計算統(tǒng)計input目錄底下的文件中的字符數(shù)量，將統(tǒng)計結(jié)果reduce到output當中，故而，最后若執(zhí)行沒問題，可以在output目錄下獲取到統(tǒng)計結(jié)果記錄。

我第一次執(zhí)行時，發(fā)生了一個異常，即執(zhí)行完后，日志運行到INFO mapreduce.Job: Running job: job_1631618032849_0002這一行時，就直接卡在了這里，沒有任何動靜了——

[hadoop@192 bin]$ hadoop jar /opt/hadoop/app/hadoop/hadoop-2.7.5/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.5.jar wordcount /input /output 21/10/20 10:43:29 INFO client.RMProxy: Connecting to ResourceManager at master1/192.168.200.111:8032 21/10/20 10:43:30 INFO input.FileInputFormat: Total input paths to process : 1 21/10/20 10:43:30 INFO mapreduce.JobSubmitter: number of splits:1 21/10/20 10:43:31 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1631618032849_0002 21/10/20 10:43:31 INFO impl.YarnClientImpl: Submitted application application_1631618032849_0002 21/10/20 10:43:31 INFO mapreduce.Job: The url to track the job: http://master1:8088/proxy/application_1631618032849_0002/ 21/10/20 10:43:31 INFO mapreduce.Job: Running job: job_1631618032849_0002

百度了一番后，根據(jù)一些思路，最后將mapred-site.xml最開始的配置由

<?xml version="1.0"?> <?xml-stylesheet type="text/xsl" href="configuration.xsl"?> <configuration><property><name>mapreduce.framework.name</name><value>yarn</value></property> </configuration>

改成這里——

<configuration><property><name>mapreduce.job.tracker</name><value>hdfs://master1:8001</value><final>true</final></property> </configuration>

接著，重啟了hadoop集群，就正常了，日志信息就沒有卡頓，而是一步執(zhí)行完成，打印以下的日志記錄——

過程如果沒有出現(xiàn)問題，就可以到最后一步，查看統(tǒng)計完的結(jié)果。

三、獲取統(tǒng)計結(jié)果

以上步驟執(zhí)行完后，直接輸入指令查看output目錄下的信息，可以看到，里面生成了兩個文件——

[root@192 hadoop-2.7.5]# hdfs dfs -ls /output Found 2 items -rw-r--r-- 3 root supergroup 0 2021-10-20 12:47 /output/_SUCCESS -rw-r--r-- 3 root supergroup 101 2021-10-20 12:47 /output/part-r-00000

part-r-00000文件是存放統(tǒng)計結(jié)果的，我們查看一下——

[root@192 hadoop-2.7.5]# hdfs dfs -cat /output/part-r-00000 aaa 1 bbb 1 cccc 1 cdsvfbgf 1 dedaxa 1 dedef 1 dedf 2 ss 1 uyiuyi 1 xaxaxaxa 1 ytrytrgtrcdscdscdsc 1

對比前面的example.txt文件，可以看到，當中dedf字符串是有兩個，其他都是1個，hadoop統(tǒng)計結(jié)果也確實如此。

以上，便是初步認識hadoop的一個小案例，接下來，我會在學習過程當中把值得分享的經(jīng)驗都總結(jié)下來。

總結(jié)

以上是生活随笔為你收集整理的hadoop学习笔记：运行wordcount对文件字符串进行统计案例的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。