Intellij IDEA提交远程Hadoop MapReduce任务

1.新建IntelliJ下空的的maven项目

直接next即可。

2.配置依赖

编辑pom.xml文件,添加apache源和hadoop依赖

基础依赖hadoop-core和hadoop-common;
读写HDFS,需要依赖hadoop-hdfs和hadoop-client;
如果需要读写HBase,则还需要依赖hbase-client

 <properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
    </properties>

    <name>hadoop</name>
    <url>http://maven.apache.org</url>

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.8.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.8.1</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.8.1</version>
        </dependency>

    </dependencies>

3.添加core-site.xml到resources文件

将虚拟机上的hadoop下/etc/hadoop/core-site.xml文件拷贝到此项目下resources文件夹下

注意master是我虚拟机ip地址的映射,如果没有配置hosts文件那么这里应该填的是你虚拟机的IP地址。

4.编写一个WordCount类

WordCount.java


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

import org.apache.hadoop.conf.Configuration;
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;

public class WordCount {

    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 main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        conf.set("mapreduce.cluster.local.dir","/Users/CHOUKIN/hadoop/var");//在此处有一坑,本地需要添加一个缓存文件夹
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

注意:conf.set("mapreduce.cluster.local.dir","/Users/CHOUKIN/hadoop/var");//在此处有一坑,本地需要添加一个缓存文件夹
如果没有这个本地缓存文件夹,会报以下错误

查询hadoop官网docs关于mapred-default.xml参数简介

mapreduce.cluster.local.dir :
The local directory where MapReduce stores intermediate data files. May be a comma-separated list of directories on different devices in order to spread disk i/o. Directories that do not exist are ignored.

这个参数是MapReduce 存储中间数据文件的本地目录。对不同的设备上的目录可以用逗号分隔,用以加快磁盘 i/o 。不存在的目录将被忽略。

5.配置运行参数

在Intellij菜单栏中选择Run->Edit Configurations,在弹出来的对话框中点击+,新建一个Application配置。配置Main class为WordCount(可以点击右边的...选择),

为Program arguments添加输入路径以及输出路径,记得把ip地址改为自己虚拟机的ip地址

6.运行程序

拷贝了一篇满分英语作文在test.txt里,运行结果如下

每次运行时检查hdfs上是否有output文件夹,如果有,请删除output文件夹。

感谢我的基友月巴巴提供了莫大的帮助

参考:
hadoop文档关于mapred-default.xml参数详解

常用 Hadoop 集群参数(mapred-default.xml)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成,浏览时请结合常识与多方信息审慎甄别。
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

相关阅读更多精彩内容

  • 首先,我们在使用前先看看HDFS是什麽?这将有助于我们是以后的运维使用和故障排除思路的获得。 HDFS采用mast...
    W_Bousquet阅读 4,472评论 0 2
  • (搭建集群部分借鉴了kiwenlau/hadoop-cluster-docker中的内容,不过那里的基础环境是Ub...
    ProteanBear阅读 4,020评论 0 12
  • 目的这篇教程从用户的角度出发,全面地介绍了Hadoop Map/Reduce框架的各个方面。先决条件请先确认Had...
    SeanC52111阅读 1,839评论 0 1
  • 环境 一台ubuntu 14.04虚拟机。 Hadoop版本:2.6.0。 增加用户 为了隔离Hadoop和其它软...
    doc001阅读 1,949评论 1 9
  • 湿地的锦带,远看也是挺娇艳。 今天一小时两盘。上午傍晚各一次。傍晚进行了七十分钟,中间腿脚有通透之感,腰骶部还是痛...
    冬日蝴蝶结阅读 243评论 5 1

友情链接更多精彩内容