MapReduce 项目启动与配置教程

1. 项目的目录结构及介绍

MapReduce 项目主要包含以下目录结构：

• src：源代码目录，包含 MapReduce 程序的所有 Java 源文件。
• lib：库目录，存放项目依赖的第三方库文件。
• conf：配置文件目录，包含 MapReduce 项目的配置文件。
• docs：文档目录，存放项目的文档说明。
• test：测试目录，存放项目的单元测试代码。
• README.md：项目说明文件，描述项目的相关信息。

详细目录说明：

• src/main/java：存放 MapReduce 程序的主要 Java 类文件。
• src/main/resources：存放项目资源文件，如属性文件、XML 配置文件等。
• src/test/java：存放项目的单元测试 Java 类文件。
• src/test/resources：存放单元测试所需资源文件。

2. 项目的启动文件介绍

MapReduce 项目的启动通常是通过执行一个主类来完成的。以下是一个典型的启动文件示例：

package com.kevwan.mapreduce;

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();
        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);
    }
}

该启动文件定义了一个名为 WordCount 的类，其中包含了 TokenizerMapper 和 IntSumReducer 两个类，以及 main 方法用于启动 MapReduce 作业。

3. 项目的配置文件介绍

MapReduce 项目的配置文件通常位于 conf 目录下，例如 mapred-site.xml。以下是一个配置文件的示例：

<configuration>
    <property>
        <name>mapreduce.jobtracker.address</name>
        <value>local</value>
    </property>
    <property>
        <name>mapreduce.framework.name</name>
        <value>local</value>
    </property>
    <property>
        <name>mapreduce.jobtracker.http.address</name>
        <value>localhost:50030</value>
    </property>
    <property>
        <name>mapreduce.master.address</name>
        <value>localhost:50010</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.address</name>
        <value>localhost:10020</value>
    </property>
    <property>
        <name>mapreduce.jobhistory.webapp.address</name>
        <value>localhost:19888</value>
    </property>
</configuration>

在这个配置文件中，我们设置了 MapReduce 作业运行在本地模式，并指定了相关的 HTTP 地址和端口。这些配置项可以根据实际需求进行调整，以适应不同的运行环境。

以上就是 MapReduce 项目的启动与配置教程，希望对您有所帮助。