Win10 IDEA连接虚拟机中的Hadoop集群(进来保你成)_idea连接虚拟机上hadoop集群
至此idea连接Hadoop集群配置完成,更多的操作可以通过Hadoop提供configuration类filesystem类、FSDataInputStream类和FSDataOutputStream类实现。有问题的朋友可以留言,我会及时回复我所能解决的问题,一些我安装时遇到的问题放在后面,大家可以浏览查看。
先自我介绍一下,小编浙江大学毕业,去过华为、字节跳动等大厂,目前阿里P7
深知大多数程序员,想要提升技能,往往是自己摸索成长,但自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年最新大数据全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
如果你需要这些资料,可以添加V获取:vip204888 (备注大数据)
正文
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n
log4j.appender.R=org.apache.log4j.RollingFileAppender
log4j.appender.R.File=mapreduce_test.log
log4j.appender.R.MaxFileSize=1MB
log4j.appender.R.MaxBackupIndex=1
log4j.appender.R.layout=org.apache.log4j.PatternLayout
log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%n
log4j.logger.com.codefutures=DEBUG
11. 配置pom.xml
初始状态
添加下方的内容到pom.xml中,添加后idea会开始猛烈地加载需要的资源文件,下载完成后原先的红色pom.xml会变成蓝色(注意:hadoop的版本要和自己的版本一样)
<properties> <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding> <maven.compiler.source>1.8</maven.compiler.source> <maven.compiler.target>1.8</maven.compiler.target> <hadoop.version>2.7.7</hadoop.version> </properties> <dependencies> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-common</artifactId> <version>${hadoop.version}</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-hdfs</artifactId> <version>${hadoop.version}</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-mapreduce-client-core</artifactId> <version>${hadoop.version}</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-mapreduce-client-jobclient</artifactId> <version>${hadoop.version}</version> </dependency> <dependency> <groupId>commons-cli</groupId> <artifactId>commons-cli</artifactId> <version>1.3.1</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-client</artifactId> <version>${hadoop.version}</version> </dependency> </dependencies>
测试
通过上面的操作,idea连接Hadoop集群基本实现了,现在测试
1. 在java中创建一个java文件
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.log4j.BasicConfigurator;import java.io.IOException;
public class HdfsTest {
public static void main(String[] args) {
//自动快速地使用缺省Log4j环境。
BasicConfigurator.configure();
try {// 改成你自己的ip以及对应的文件所在的路径
String filename = “hdfs://192.168.47.131:9000/words.txt”;
Configuration conf = new Configuration();
FileSystem fs = null;
fs = FileSystem.get(conf);
if (fs.exists(new Path(filename))){// 在控制台搜索the file is exist 或者not exist 根据你的情况,该文件如果存在就会打
// the file is exist 不存在就会打印 the file is not exist
System.out.println(“the file is exist”);
}else{
System.out.println(“the file is not exist”);
}
} catch (IOException e) {
e.printStackTrace();
}
}}
此时大概率是没有配置jdk的,按照下图进行配置
2. 配置成功我们运行程序,在控制台中查看是否存在该word.txt,我的该目录下存在所有打印了the file is exist
3. 实现一个词频统计程序
import java.io.IOException; import java.util.Iterator; import java.util.StringTokenizer; import org.apache.hadoop.fs.Path; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.FileInputFormat; import org.apache.hadoop.mapred.FileOutputFormat; import org.apache.hadoop.mapred.JobClient; import org.apache.hadoop.mapred.JobConf; import org.apache.hadoop.mapred.MapReduceBase; import org.apache.hadoop.mapred.Mapper; import org.apache.hadoop.mapred.OutputCollector; import org.apache.hadoop.mapred.Reducer; import org.apache.hadoop.mapred.Reporter; import org.apache.hadoop.mapred.TextInputFormat; import org.apache.hadoop.mapred.TextOutputFormat; import org.apache.log4j.BasicConfigurator; /** * 单词统计MapReduce */ public class WordCount { /** * Mapper类 */ public static class WordCountMapper extends MapReduceBase implements Mapper<Object, Text, Text, IntWritable> { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); /** * map方法完成工作就是读取文件 * 将文件中每个单词作为key键,值设置为1, * 然后将此键值对设置为map的输出,即reduce的输入 */ @Override public void map(Object key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException { /** * StringTokenizer:字符串分隔解析类型 * 之前没有发现竟然有这么好用的工具类 * java.util.StringTokenizer * 1. StringTokenizer(String str) : * 构造一个用来解析str的StringTokenizer对象。 * java默认的分隔符是“空格”、“制表符(‘\t’)”、“换行符(‘\n’)”、“回车符(‘\r’)”。 * 2. StringTokenizer(String str, String delim) : * 构造一个用来解析str的StringTokenizer对象,并提供一个指定的分隔符。 * 3. StringTokenizer(String str, String delim, boolean returnDelims) : * 构造一个用来解析str的StringTokenizer对象,并提供一个指定的分隔符,同时,指定是否返回分隔符。 * * 默认情况下,java默认的分隔符是“空格”、“制表符(‘\t’)”、“换行符(‘\n’)”、“回车符(‘\r’)”。 */ StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); output.collect(word, one); } } } /** * reduce的输入即是map的输出,将相同键的单词的值进行统计累加 * 即可得出单词的统计个数,最后把单词作为键,单词的个数作为值, * 输出到设置的输出文件中保存 */ public static class WordCountReducer extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> { private IntWritable result = new IntWritable(); @Override public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException { int sum = 0; while (values.hasNext()) { sum += values.next().get(); } result.set(sum); output.collect(key, result); } } public static void main(String[] args) throws Exception { //快速使用log4j日志功能 BasicConfigurator.configure(); //数据输入路径 这里的路径需要换成自己的hadoop所在地址 String input = "hdfs://192.168.139.100:9000/test/input/word.txt"; /** * 输出路径设置为HDFS的根目录下的out文件夹下 * 注意:该文件夹不应该存在,否则出错 */ String output = "hdfs://192.168.139.100:9000/test/output1"; JobConf conf = new JobConf(WordCount.class); //设置是谁提交 conf.setUser("master"); /** * 因为map-reduce过程需要我们自定以的map-reduce类, * 因此,我们需要将项目导出为jar包 * setjar中跟本地hadoop中的词频统计jar包 */ conf.setJar("E:\\ProgramSoftware\\java\\hadoop2.7.7\\hadoop-2.7.7\\share\\hadoop\\mapreduce\\hadoop-mapreduce-examples-2.7.7.jar"); //设置作业名称 conf.setJobName("wordcount"); /** * 声明跨平台提交作业 */ conf.set("mapreduce.app-submission.cross-platform","true"); //很重要的声明 conf.setJarByClass(WordCount.class); //对应单词字符串 conf.setOutputKeyClass(Text.class); //对应单词的统计个数 int类型 conf.setOutputValueClass(IntWritable.class); //设置mapper类 conf.setMapperClass(WordCountMapper.class); /** * 设置合并函数,合并函数的输出作为Reducer的输入, * 提高性能,能有效的降低map和reduce之间数据传输量。 * 但是合并函数不能滥用。需要结合具体的业务。 * 由于本次应用是统计单词个数,所以使用合并函数不会对结果或者说 * 业务逻辑结果产生影响。 * 当对于结果产生影响的时候,是不能使用合并函数的。 * 例如:我们统计单词出现的平均值的业务逻辑时,就不能使用合并 * 函数。此时如果使用,会影响最终的结果。 */ conf.setCombinerClass(WordCountReducer.class); //设置reduce类 conf.setReducerClass(WordCountReducer.class); /** * 设置输入格式,TextInputFormat是默认的输入格式 * 这里可以不写这句代码。 * 它产生的键类型是LongWritable类型(代表文件中每行中开始的偏移量值) * 它的值类型是Text类型(文本类型) */ conf.setInputFormat(TextInputFormat.class); /** * 设置输出格式,TextOutpuTFormat是默认的输出格式 * 每条记录写为文本行,它的键和值可以是任意类型,输出回调用toString() * 输出字符串写入文本中。默认键和值使用制表符进行分割。 */ conf.setOutputFormat(TextOutputFormat.class); //设置输入数据文件路径 FileInputFormat.setInputPaths(conf, new Path(input)); //设置输出数据文件路径(该路径不能存在,否则异常) FileOutputFormat.setOutputPath(conf, new Path(output)); //启动mapreduce JobClient.runJob(conf); System.exit(0); } }
最后在Linux虚拟机中的maser节点输入
hdfs dfs -ls /test/output/*
结语:
至此idea连接Hadoop集群配置完成,更多的操作可以通过Hadoop提供configuration类filesystem类、FSDataInputStream类和FSDataOutputStream类实现。
有问题的朋友可以留言,我会及时回复我所能解决的问题,一些我安装时遇到的问题放在后面,大家可以浏览查看。
问题:
1. Hadoop文件放在windows环境下,按要求添加Hadoop环境变量,出现:
JAVA_HOME is incorrectly set.Please update C:\hadoop-3.1.2\etc\hadoop\hadoop-env.cmd
第一次尝试,Hadoop压缩文件是从linux上传会windows的,出现上面的报错,查阅资料发现在hadoo-env.sh文件下JAVA_HOME确实被设置为了linux的路径,尝试使用notepad++修改,主要有两种修改方式:
(1)set JAVA_HOME=${JAVA_HOME}
(2)set JAVA_HOME=xxxx\jdk1.8.0_162
修改之后还是出现了问题,便开始查看是不是jdk配置有问题,在命令行中输入java -version能够正常运行,但是输入javac却没有反应,刚开始没有重视这个问题,便再次查看是不是Hadoop配置有问题,仔细查看配置文件基于环境变量,确认无误后。再次将矛头指向javac,于是查看javac启动不成功的原因,看到了jdk正确的配置方式。
自己windows配置jdk并没有配置第二条,于是加上后,再次运行Hadoop -version便成功了。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
045f.png)
自己windows配置jdk并没有配置第二条,于是加上后,再次运行Hadoop -version便成功了。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
需要这份系统化的资料的朋友,可以添加V获取:vip204888 (备注大数据)
[外链图片转存中…(img-Q7BO6Fnx-1713158538047)]
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
更多推荐
所有评论(0)