클러스터 모드에서 실행되는 맵리 듀스 프로그램, 단어 통계 사례
로컬 모드 작업 : https://blog.csdn.net/weixin_43614067/article/details/108386389
실행할 클러스터에 대한 로컬 제출 : https://blog.csdn.net/weixin_43614067/article/details/108401227
맵, 축소 및 local 모드는 동일하게 실행됩니다.
Yarn 고 가용성 클러스터 환경 구축
1. hadoop-2.6.5 / etc / hadoop / mapred-site.xml 구성
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
2. 배치 hadoop-2.6.5 / etc / hadoop / yarn-site.xml
<configuration>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
<!--启用resourcemanager ha-->
<property>
<name>yarn.resourcemanager.ha.enabled</name>
<value>true</value>
</property>
<!--声明两台resourcemanager的地址-->
<property>
<name>yarn.resourcemanager.cluster-id</name>
<value>cluster-yarn1</value>
</property>
<property>
<name>yarn.resourcemanager.ha.rm-ids</name>
<value>rm1,rm2</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm1</name>
<value>node001</value>
</property>
<property>
<name>yarn.resourcemanager.hostname.rm2</name>
<value>node002</value>
</property>
<!--指定zookeeper集群的地址-->
<property>
<name>yarn.resourcemanager.zk-address</name>
<value>node002:2181,node003:2181,node004:2181</value>
</property>
<!--启用自动恢复-->
<property>
<name>yarn.resourcemanager.recovery.enabled</name>
<value>true</value>
</property>
<!--指定resourcemanager的状态信息存储在zookeeper集群-->
<property>
<name>yarn.resourcemanager.store.class</name>
<value>org.apache.hadoop.yarn.server.resourcemanager.recovery.ZKRMStateStore</value>
</property>
</configuration>
3. 다른 클러스터 시스템에서 구성을 동기화합니다
. 4. yarn을 시작하고 나머지는 다른 시스템에서 수동으로 시작해야합니다.
sbin/start-yarn.sh
5. 시작 성공 여부 확인
(1) 방문 : node001 : 8088, 자동으로 node002 : 8088로 전환됩니다.
(2) Command view
bin/yarn rmadmin -getServiceState rm1
active
bin/yarn rmadmin -getServiceState rm2
standby
러너 수정
package com.bjsxt.wc;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class WCRunner {
public static void main(String[] args) throws Exception {
//创建配置对象
Configuration conf = new Configuration();
//创建Job对象
Job job = Job.getInstance(conf, "wordCount");
//设置mapper类
job.setMapperClass(WCMapper.class);
//设置 Reduce类
job.setReducerClass(WCReducer.class);
//设置运行job类
job.setJarByClass(WCRunner.class);
//设置map输出的key,value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//设置reduce输出的key,value类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//设置输入路径金额输出路径
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
long startTime = System.currentTimeMillis();
try {
//提交job
boolean b = job.waitForCompletion(true);
if (b) {
System.out.println("单词统计完成!");
}
} finally {
// 结束的毫秒数
long endTime = System.currentTimeMillis();
System.out.println("Job<" + job.getJobName() + ">是否执行成功:" + job.isSuccessful() + "; 开始时间:" + startTime + "; 结束时间:" + endTime + "; 用时:" + (endTime - startTime) + "ms");
}
}
}
컴파일하고, 포장 서버에 임의의 디렉토리에 업로드 한 후
, 예를 들어, /root/project/wordcount.jar HDFS 디렉토리를 만들고, 단어의 텍스트를 넣어하는 등 word.txt 같이 입력 디렉토리에 계산하기
hdfs dfs -mkdir -p /wordcount/input
hdfs dfs -put test.txt /wordcount/input
참고 : 출력 디렉토리는 생성 할 필요가 없습니다.
wordcount jar 실행
hadoop jar /root/project/wordcount.jar com/bjsxt/wc/WCRunner /wordcount/input /wordcount/output
wordcount.jar : 프로젝트가 컴파일되고 패키징 된 후의 jar
com / bjsxt / wc / WCRunner : Runner 클래스의 전체 경로
/ wordcount / input : hdfs의 데이터 입력 경로
/ wordcount / output : 데이터 hdfs의 출력 경로
실행 후 확인
hdfs dfs -cat /wordcount/output/*
로컬 모드 작업 : https://blog.csdn.net/weixin_43614067/article/details/108386389 작업
을 위해 클러스터에 로컬 제출 : https://blog.csdn.net/weixin_43614067/article/details/108401227