Hadoop的搭建
我自己是在windows10上搭建的hadoop。
参考资料如下:
4hadoop启动报错java.lang.NoClassDefFoundError:/org/apache/hadoop/yarn/server/timelineCollectorManager
第一个Hadoop小项目：单词计数
单词计数应该是很多人入门Hadoop的第一个小项目。我自己看的参考资料是《MapReduce设计模式》。运作这个小例子是不需要启动Hadoop的。
采坑总结：
(1)Caused by: java.io.FileNotFoundException: HADOOP_HOME and hadoop.home.dir ar
我自己的解决方案是在系统变量添加HADOOP_HOME，在系统变量的PATH里添加bin，重启IDEA。之前在用户变量里添加过不知道为什么没生效，所以在系统变量里加。用以下代码验证：
System.out.println(System.getenv("HADOOP_HOME"));
System.out.println(System.getenv("PATH"));如果有些人报错说找不到winutils.exe，需要去下载winutils的包，把对应版本的bin文件夹替换hadoop的bin。我在【hadoop的搭建】部分的参考资料有给下载的github地址。
(2)Maven的依赖问题。
Exception in thread "main" java.lang.VerifyError: Bad return type
'org/apache/hadoop/mapred/JobStatus' (current frame, stack[0]) is not assign 'org/apache/hadoop/mapreduce/JobStatus'这个我在网上没有找到解决方法，但是我的程序是参照《MapReduce设计模式》来的，确定应该不是程序的问题之后，应该只能是Maven依赖的问题。修改后，我的项目的依赖包括：hadoop-common、hadoop-hdfs、hadoop-mapreduce-client-core、hadoop-mapreduce-client-jobclient、hadoop-mapreduce-client-common。版本都是3.0.3，因为我搭建的Hadoop版本是3.0.3。
(3)也是Maven依赖问题。
java.io.IOException: Cannot initialize Cluster. Please check your configuration for mapreduce.framework.name and the correspond server addresses.添加hadoop-mapreduce-client-jobclient、hadoop-mapreduce-client-common这两个依赖就好。
参考资料：https://blog.csdn.net/qq_2012...
完整的代码
import org.apache.hadoop.conf.Configuration;
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;
import org.apache.hadoop.fs.Path;
import java.io.IOException;
import java.util.StringTokenizer;
/**
* @Author liuffei
* @Date 2019/7/13 9:41
* @Description
*/
public class CommentWordCount {
//Mapper<Object, Text,Text, IntWritable>表示输入键，输入值，输出键，输出值
//mapper输入的键值是在作业配置的FileInputFormat中定义的。
public static class WordCountMapper extends Mapper<Object, Text,Text, IntWritable> {
//设置计数为1
IntWritable one = new IntWritable(1);
Text word = new Text();
//覆盖了Mapper类的map方法
public void map(Object key, Text value, Context context) throws IOException, InterruptedException{
String txt = value.toString();
//将输入值中的非字母替换为空字符串
txt = txt.replaceAll("[^a-zA-Z]","");
StringTokenizer stringTokenizer = new StringTokenizer(txt);
while(stringTokenizer.hasMoreTokens()) {
word.set(stringTokenizer.nextToken());
//将每个单词计数为1，并保存。
context.write(word, one);
}
}
}
//Reducer<Text, IntWritable,Text, IntWritable>表示输入键，输入值，输出键，输出值
//Reducer的输入键输入值应该和Mapper的输出键输出值的类型保持一致
public static class IntSumReducer extends Reducer<Text, IntWritable,Text, IntWritable> {
public void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException, InterruptedException{
int sum = 0;
for (IntWritable val:values) {
sum += val.get();
}
context.write(key,new IntWritable(sum));
}
}
public static void main(String[] args){
try {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if(otherArgs.length != 2) {
System.err.println("need enter input and output directory path");
System.exit(2);
}
Job job = Job.getInstance(conf, "Word Count");
//与自己定义的类名保持一致
job.setJarByClass(CommentWordCount.class);
//与自己定义的Mapper类和Reducer类保持一致
job.setMapperClass(WordCountMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
//设置的输出键和输出值和mapper定义的需要保持一致。
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//输入输出路径
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true)?0:1);
} catch (Exception e) {
e.printStackTrace();
}
}
}运行main方法之前，我在自己的项目的src同级目录建立了input文件夹，并建立了两个txt文件(注意文件的读取是按行的，所以每个单词单独一行)。运行main方法时，添加输入输出路径。文件夹的路径大家可以自己定义。output文件夹不需要自己建立，会自动建立，每次运行时需要把之前生成的output文件夹删除，不然会报output文件夹已经存在的错。
以上就是自己的一些总结，学习Hadoop道阻且长，希望自己可以坚持下去。