Use MapReduce in Apache Hadoop on HDInsight
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 Vinci
tartalmazza: .
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 X vagy Windows |
Curl | A feladat távoli elküldése REST használatával | Linux, Unix MacOS X vagy 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: