1. 程式人生 > >Hadoop: MapReduce使用hdfs中的檔案

Hadoop: MapReduce使用hdfs中的檔案

本程式碼包含功能:獲取DataNode名,並寫入到HDFS檔案系統中的檔案hdfs:///copyOftest.c中。
並計數檔案hdfs:///copyOftest.c中的wordcount計數,有別於Hadoop的examples中的讀取本地檔案系統中的檔案,這次讀取的是HDFS中的檔案。

package com.fora;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hdfs.DistributedFileSystem;
import org.apache.hadoop.hdfs.protocol.DatanodeInfo;
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.Mapper.Context;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;


public class FileOperate {
 
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {
        
        init();/*初始化檔案*/
           
        Configuration conf = new Configuration();
           
        Job job = new Job(conf, "word count");
        job.setJarByClass(FileOperate.class);
        
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        
               /* set the path of input and output*/
        FileInputFormat.addInputPath(job, new Path("hdfs:///copyOftest.c"));
        FileOutputFormat.setOutputPath(job, new Path("hdfs:///wordcount"));
        
        System.exit(job.waitForCompletion(true) ? 0 : 1);
      }
    
public static class TokenizerMapper 
    extends Mapper<Object, Text, Text, IntWritable>{
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
    
    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        
        StringTokenizer itr = new StringTokenizer(value.toString());
   while (itr.hasMoreTokens()){
     word.set(itr.nextToken());
     context.write(word, one);
   }
 }
}
    
public static class IntSumReducer 
     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){
      sum += val.get();
    }
    result.set(sum);
    context.write(key, result);
  }
}
    
    public static void init()throws IOException { 
        
        /*copy local file to hdfs*/
        Configuration config = new Configuration();
        FileSystem hdfs = null;
        String  srcFile = "/test.c";
        String  dstFile = "hdfs:///copyOftest.c";
        System.out.print("copy success!\n"); 
   hdfs = FileSystem.get(config);
        Path srcPath = new Path(srcFile);
        Path dstPath = new Path(dstFile);
        hdfs.copyFromLocalFile(srcPath, dstPath); 
        
        String fileName = "hdfs:///copyOftest.c";
        Path path = new Path(fileName);
        FileStatus fileStatus =null;
 
        fileStatus = hdfs.getFileStatus(path); 
        System.out.println(fileStatus.getBlockSize()); 
        
        FileSystem fs = FileSystem.get(config);
        DistributedFileSystem hdfs1 = (DistributedFileSystem) fs;
        DatanodeInfo[] dataNodeStats = hdfs1.getDataNodeStats();
        
        /*create a file on hdfs*/
        Path Outputpath = new Path("hdfs:///output/listOfDatanode");
        FSDataOutputStream outputStream = hdfs.create(Outputpath);        
        
        String[] names = new String[dataNodeStats.length]; 
        for (int i = 0; i < dataNodeStats.length; i++) {
              names[i] = dataNodeStats[i].getHostName();/*get the list of datanodes*/
                          System.out.println(names[i]);
              /*write the list of datanodes to file on hdfs*/
              outputStream.write(names[i].getBytes(), 0, names[i].length());
        } 
    }

}

執行結果:
[
[email protected]
bin]# hadoop jar HDFS.jar com.fora.FileOperate copy success! 67108864 master slave1 11/07/21 15:45:23 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same. 11/07/21 15:45:23 INFO input.FileInputFormat: Total input paths to process : 1 11/07/21 15:45:23 INFO mapred.JobClient: Running job: job_201107210917_0003 11/07/21 15:45:24 INFO mapred.JobClient: map 0% reduce 0% 11/07/21 15:45:31 INFO mapred.JobClient: map 100% reduce 0% 11/07/21 15:45:43 INFO mapred.JobClient: map 100% reduce 100% 11/07/21 15:45:45 INFO mapred.JobClient: Job complete: job_201107210917_0003 11/07/21 15:45:45 INFO mapred.JobClient: Counters: 17 11/07/21 15:45:45 INFO mapred.JobClient: Job Counters 11/07/21 15:45:45 INFO mapred.JobClient: Launched reduce tasks=1 11/07/21 15:45:45 INFO mapred.JobClient: Rack-local map tasks=1 11/07/21 15:45:45 INFO mapred.JobClient: Launched map tasks=1 11/07/21 15:45:45 INFO mapred.JobClient: FileSystemCounters 11/07/21 15:45:45 INFO mapred.JobClient: FILE_BYTES_READ=228 11/07/21 15:45:45 INFO mapred.JobClient: HDFS_BYTES_READ=126 11/07/21 15:45:45 INFO mapred.JobClient: FILE_BYTES_WRITTEN=488 11/07/21 15:45:45 INFO mapred.JobClient: HDFS_BYTES_WRITTEN=146 11/07/21 15:45:45 INFO mapred.JobClient: Map-Reduce Framework 11/07/21 15:45:45 INFO mapred.JobClient: Reduce input groups=19 11/07/21 15:45:45 INFO mapred.JobClient: Combine output records=19 11/07/21 15:45:45 INFO mapred.JobClient: Map input records=8 11/07/21 15:45:45 INFO mapred.JobClient: Reduce shuffle bytes=228 11/07/21 15:45:45 INFO mapred.JobClient: Reduce output records=19 11/07/21 15:45:45 INFO mapred.JobClient: Spilled Records=38 11/07/21 15:45:45 INFO mapred.JobClient: Map output bytes=211 11/07/21 15:45:45 INFO mapred.JobClient: Combine input records=22 11/07/21 15:45:45 INFO mapred.JobClient: Map output records=22 11/07/21 15:45:45 INFO mapred.JobClient: Reduce input records=19 [
[email protected]
bin]# hadoop dfs -ls / Found 6 items -rw-r--r-- 1 root supergroup 126 2011-07-21 15:45 /copyOftest.c -rw-r--r-- 1 root supergroup 26 2011-07-21 15:16 /listOfDatanode drwxr-xr-x - root supergroup 0 2011-07-21 15:45 /output -rw-r--r-- 1 root supergroup 10400 2011-07-20 16:51 /test.txt drwxr-xr-x - root supergroup 0 2011-07-20 16:09 /tmp drwxr-xr-x - root supergroup 0 2011-07-21 15:45 /wordcount [
[email protected]
bin]# hadoop dfs -ls /wordcount Found 2 items drwxr-xr-x - root supergroup 0 2011-07-21 15:45 /wordcount/_logs -rw-r--r-- 1 root supergroup 146 2011-07-21 15:45 /wordcount/part-r-00000 [[email protected] bin]# hadoop dfs -cat /wordcount/part-r-00000 2011-07-21 1 File 1 Hadoop 1 System! 1 a 1 aimed 1 at 1 coping 1 file 3 from 1 from:fora 1 is 1 local 1 system 1 thank 1 the 1 this 2 to 1 you! 1 [[email protected] bin]#

相關推薦

小何講Linux Linux檔案檔案描述符概述

在Linux中,一切皆檔案!所有對裝置和檔案的操作都是使用檔案描述符來進行的。檔案描述符是一個非負的整數,它是一個索引值,並指向在核心中每個程序所開啟的檔案的記錄表;當開啟一個現存檔案或建立一個新檔案

Hadoop MapReduce使用hdfs檔案

本程式碼包含功能:獲取DataNode名,並寫入到HDFS檔案系統中的檔案hdfs:///copyOftest.c中。 並計數檔案hdfs:///copyOftest.c中的wordcount計數,有別於Hadoop的examples中的讀取本地檔案系統中的檔案,這次讀取的

介面測試系列工作所用(三__read_config.py檔案

import os from common import fileUtil def __read_config(): base_dir = os.path.dirname(os.path.dirname(os.path.abspath(__file__))) settings_file

ZooKeeper原理及其在Hadoop和HBase的應用

簡介 ZooKeeper是一個開源的**分散式協調服務**,由雅虎建立,是Google Chubby的開源實現。分散式應用程式可以基於ZooKeeper實現諸如**資料釋出/訂閱、負載均衡、命名服務、分散式協調/通知、叢集管理、Master選舉、分散式鎖和分散式佇列**等功能。 基

Qt開發技巧編寫.pro檔案,在構建流程加入命令列的方法

1、在專案構建前執行命令 在專案構建前執行命令cmd 存在問題 system(cmd) 存在執行多次的問題,可以參考message函式的QMake Manual說明

另類爬蟲從PDF檔案爬取表格資料

簡介   本文將展示一個稍微不一樣點的爬蟲。   以往我們的爬蟲都是從網路上爬取資料,因為網頁一般用HTML,CSS,JavaScript程式碼寫成,因此,有大量成熟的技術來爬取網頁中的各種資料。這次,我們需要爬取的文件為PDF檔案。本文將展示如何利用Python的camelot模組

介面測試系列工作所用(十配置檔案的讀寫操作 configparser模組)

global_cache.py # -*- codeding: utf-8 -*- import configparser import hashlib import os from common.base import ENV class globalInfo: def get_

Python每日一題第3題統計一個檔案每個單詞出現的次數

題目: 統計一個檔案中每個單詞出現的次數,列出出現頻率最多的5個單詞。 前言: 這道題在實際應用場景中使用比較廣泛,比如統計歷年來四六級考試中出現的高頻詞彙,記得李笑來就利用他的程式設計技能出版過一本背單詞的暢銷書,就是根據詞頻來記單詞,深受學生喜歡。這就是一個把程式設計技能用來解決實際問

Hadoop程式執行 “沒有許可權讀寫檔案

問題:在hdfs與本地檔案系統進行檔案讀寫的時候顯示許可權不夠 解決: 1、hdfs中的檔案許可權不夠        檢視hdfs檔案許可權,通過 hadoop fs -chmod 777 XXXX 進行許可權的修改 2、本地(Linux)檔案許可權不夠      

《機器學習實戰》第2章閱讀筆記3 使用K近鄰演算法改進約會網站的配對效果—分步驟詳細講解1——資料準備從文字檔案解析資料(附詳細程式碼及註釋)

 本篇使用的資料存放在文字檔案datingTestSet2.txt中,每個樣本資料佔據一行,總共有1000行。 樣本主要包含以下3中特徵: (1)每年獲得飛行常客里程數 (2)玩視訊遊戲所耗時間百分比 (3)每週消費的冰淇淋公升數 在使用分類器之前,需要將處理的檔案格式

YOLOV3實戰4Darknetcfg檔案說明和理解

大家好,我是小p,從今天起,將逐漸從原始碼角度解析Darknet,歡迎加入物件檢測群813221712討論和交流,進群請看群公告! 今天將要說明的是Darknet中的cfg檔案,廢話少說,直接幹!(以cfg/yolov3.cfg為例,其它類似) [net]

Linux檔案編輯操作

Linux 系統中使用vi命令進行檔案編輯操作: 按insert鍵進入編輯模式 編輯完成後按esc鍵推出編輯模式 : wq 儲存並退出 : w 儲存 : w filename 另存為 filename : wq! 儲存並強制退出 : wq! Filena

041模版載入靜態檔案詳解

載入靜態檔案: 在一個網頁中,不僅僅只有一個 html 骨架,還需要 css 樣式檔案, js 執行檔案以及一些圖片等。因此在 DTL 中載入靜態檔案是一個必須要解決的問題。在 DTL 中,使用 static 標籤來載入靜態檔案。要使用 static 標籤,首先需要 {% load static %} 。載

Python進階,ConfigParserPython對於ini格式的配置檔案的使用

ConfigParser:配置檔案的讀取 原文連結和公眾號 更多文章教程: Python雁橫(或者微信搜尋:py_0123),如果需要一個學習交流的地方可以加我的QQ群:719139688

Caffe檔案引數設定(九-1)訓練和測試自己的圖片-linux版本

在深度學習的實際應用中,我們經常用到的原始資料是圖片檔案,如jpg,jpeg,png,tif等格式的,而且有可能圖片的大小還不一致。而在caffe中經常使用的資料型別是lmdb或leveldb,因此就產生了這樣的一個問題:如何從原始圖片檔案轉換成caffe中能夠執行的db(l

Pythonscrapy爬蟲框架的資料儲存方式(包含圖片、檔案的下載)

注意:1、settings.py中ITEM_PIPELINES中數字代表執行順序(範圍是1-1000),引數需要提前配置在settings.py中(也可以直接放在函式中,這裡主要是放在settings.py中),同時settings.py需要配置開啟2、 process_it

MOAC“MO安全性配置檔案“對於開發者

1. 獲取配置檔案的值:應用開發員->配置檔案->輸入使用者配置檔名,找到上面的名稱,即可填入fnd_profile.VALUE()中。 2. MO:安全性配置檔案有值的話,就代表啟用了MOAC. 3.  其中“MO:業務實體”和“MO:安全性配置檔案”兩

Android開發 Eclipse匯入專案前有紅叉提示但是專案檔案內容無錯誤的解決方法

 Eclipse中,Android專案名稱前有紅叉,但專案內所有檔案都無錯誤,通常發生在匯入專案時。 先可以去看一下幾個視窗的輸出內容,不同的錯誤日誌要採用不同的方法,要靈活使用各種方法! 1>選單路徑----Window/Show View/Console 2

Hadoop——查詢摸個檔案在HDFS叢集的位置

import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.f