hadoop入门之统计单词在文件中出现的个数示例
发布于 2016-05-09 12:43:32 | 382 次阅读 | 评论: 0 | 来源: 网友投递
Hadoop分布式系统
一个分布式系统基础架构，由Apache基金会所开发。
用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力高速运算和存储。
Linux环境：CentOs6.4
Hadoop版本：hadoop-0.20.2
内容：统计hadoop\bin下的所有文件中单词出现的个数。
所用到的命令有：
复制代码
代码如下://创建input文件夹
./hadoop fs -mkdir input
//将所有的需要统计单词个数的文件放在input文件夹下
./hadoop fs -put *.sh /input/
//运行wordcount将结果输出到output文件夹下
./hadoop jar hadoop-examples-0.20.2.jar wordcount /input /output
//验证某个单词的个数
grep xxx *.sh
grep xxx *.sh|wc
第一步:确定HDFS、MapReduce、jobTracker等是否正常启动。查看/article/16/0410/212962.html
第二步：在Hadoop文件系统根目录中创建input文件夹。
执行命令：
打开网页查看input文件夹是否创建成功：
上图表明已经成功。
第三步：将bin目录下的所有文件放到hadoop文件系统的input目录下。
执行命令：
通过浏览器查看input文件夹下是否已经存在所存放的文件。
第四步：执行wordcount命令统计单词个数。
回到Hadoop文件夹下，找到统计个数的jar包。如图，在hadoop-0.20.2目录下有一个hadoop-0.20.2-examples.jar。
运行命令执行此jar，统计个数。并将输出结果放在output目录下。命令如下:
运行成功。
第五步：验证结果是否正确。通过命令统计某一单词的个数，与MapReduce统计的个数进行对比。
通过命令查看文件中language单词的个数为12个，如图。
查看MapReduce运行结果，如图：
运行结果相同。
附：从过页面查看运行状态
推荐阅读
最新资讯