Use MapReduce in Apache Hadoop on HDInsight

  • Cikk

Megtudhatja, hogyan futtathat MapReduce-feladatokat HDInsight-fürtökön.

Példaadatok

A HDInsight különböző példaadatkészleteket biztosít, amelyek a könyvtárban és /HdiSamples a /example/data könyvtárban vannak tárolva. Ezek a címtárak a fürt alapértelmezett tárolójában találhatók. Ebben a dokumentumban a /example/data/gutenberg/davinci.txt fájlt használjuk. Ez a fájl a következő jegyzetfüzeteket Leonardo da Vincitartalmazza: .

Példa MapReduce

A HDInsight-fürt tartalmaz egy példa MapReduce szószámalkalmazást. Ez a példa a fürt alapértelmezett tárolójában /example/jars/hadoop-mapreduce-examples.jar található.

A fájlban hadoop-mapreduce-examples.jar található MapReduce-alkalmazás forrása a következő Java-kód:

package org.apache.hadoop.examples;

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;
import org.apache.hadoop.util.GenericOptionsParser;

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();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length != 2) {
        System.err.println("Usage: wordcount <in> <out>");
        System.exit(2);
    }
    Job job = new Job(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(otherArgs[0]));
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

A saját MapReduce-alkalmazások írására vonatkozó utasításokért tekintse meg a HdInsighthoz készült Java MapReduce-alkalmazások fejlesztését ismertető cikket.

A MapReduce futtatása

A HDInsight különböző módszerekkel futtathat HiveQL-feladatokat. Az alábbi táblázat segítségével döntse el, hogy melyik módszer a megfelelő, majd kövesse az útmutató hivatkozását.

Használja ezt a... ... ehhez ... ebből az ügyfél operációs rendszerből
SSH A Hadoop parancs használata SSH-val Linux, Unix MacOS Xvagy Windows
Curl A feladat távoli elküldése REST használatával Linux, Unix MacOS Xvagy Windows
Windows PowerShell A feladat távoli elküldése a Windows PowerShell használatával Ablakok

További lépések

Az adatok HDInsightban való használatával kapcsolatos további információkért tekintse meg az alábbi dokumentumokat: