正文

Java轻松调用Hadoop全攻略：掌握HDFS、MapReduce，实现大数据高效处理

/0 浏览量
0401

引言

随着大数据时代的到来，处理海量数据已经成为企业级应用的一个重要需求。Hadoop作为一款开源的大数据处理框架，凭借其高可靠性、高扩展性等优点，成为了大数据领域的首选。Java作为Hadoop开发的主要语言，掌握Java调用Hadoop的方法对于大数据开发人员来说至关重要。本文将详细介绍如何使用Java轻松调用Hadoop，包括HDFS和MapReduce两部分。

一、HDFS（Hadoop Distributed File System）

HDFS是Hadoop的分布式文件系统，用于存储大量数据。以下是如何使用Java操作HDFS：

1. HDFS基本操作

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;

public class HDFSOperate {
    public static void main(String[] args) throws Exception {
        // 配置HDFS连接信息
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://localhost:9000");

        // 获取FileSystem实例
        FileSystem fs = FileSystem.get(conf);

        // 创建目录
        boolean isDirCreated = fs.mkdirs(new Path("/test"));
        System.out.println("Directory created: " + isDirCreated);

        // 删除目录
        boolean isDirDeleted = fs.delete(new Path("/test"), true);
        System.out.println("Directory deleted: " + isDirDeleted);

        // 关闭FileSystem实例
        fs.close();
    }
}

2. HDFS文件读写

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;

import java.io.InputStream;
import java.io.OutputStream;

public class HDFSFileOperate {
    public static void main(String[] args) throws Exception {
        // 配置HDFS连接信息
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://localhost:9000");

        // 获取FileSystem实例
        FileSystem fs = FileSystem.get(conf);

        // 读取文件
        Path path = new Path("/test/hello.txt");
        InputStream in = fs.open(path);
        IOUtils.copyBytes(in, System.out, 4096, true);
        in.close();

        // 写入文件
        OutputStream out = fs.create(new Path("/test/world.txt"));
        out.write("Hello, World!".getBytes());
        out.close();

        // 关闭FileSystem实例
        fs.close();
    }
}

二、MapReduce

MapReduce是Hadoop的核心组件，用于分布式处理大数据。以下是如何使用Java进行MapReduce编程：

1. MapReduce基本结构

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 {
            String[] tokens = value.toString().split("\\s+");
            for (String token : tokens) {
                word.set(token);
                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.framework.name", "yarn");
        conf.set("yarn.resourcemanager.address", "localhost:8032");

        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("/test/hello.txt"));
        FileOutputFormat.setOutputPath(job, new Path("/test/output"));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

2. 运行MapReduce程序

将上述代码保存为WordCount.java，并使用以下命令编译：

javac WordCount.java

然后，使用以下命令运行MapReduce程序：

hadoop jar WordCount.jar WordCount /test/hello.txt /test/output

总结

本文详细介绍了如何使用Java轻松调用Hadoop，包括HDFS和MapReduce两部分。通过学习本文，你将能够掌握Hadoop的基本操作和MapReduce编程，为后续的大数据处理工作打下坚实基础。

-- 展开阅读全文 --