今天,我开始接触并学习Hadoop,一个分布式存储和计算框架,广泛应用于大数据处理和分析领域。为了方便记录和回顾,我将在这里详细记录下我第一天的学习内容和心得。
首先,我了解了Hadoop的背景和基本概念。Hadoop起源于Apache Nutch项目,旨在构建一个分布式搜索引擎。然而,随着项目的演进,Hadoop逐渐发展成为一个能够处理大规模数据的分布式计算框架。它使用了一种称为MapReduce的编程模型,可以将任务分解成许多小任务,并在集群中并行执行。
接着,我学习了Hadoop的核心组件和架构。Hadoop主要由HDFS(分布式文件系统)和MapReduce引擎组成。HDFS为数据提供了一个分布式、可扩展的存储系统,可以存储和处理大规模的数据。MapReduce则提供了一种编程模型,允许用户编写Map和Reduce函数来处理数据。
在理解了Hadoop的基本概念和架构后,我开始了实战演练。首先,我配置了一个本地的Hadoop环境,并上传了一个样本数据集到HDFS。然后,我编写了一个简单的MapReduce程序来对数据进行处理。
下面是一个简单的MapReduce程序的示例代码:
java复制代码
import java.io.IOException;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.fs.Path;
public class WordCount {
public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String[] words = value.toString().split("\\s+");
for (String str : words) {
word.set(str);
context.write(word, one);
}
}
}
public static class Reduce 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) throws Exception {
Job job = Job.getInstance(new Configuration(), "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(Map.class);
job.setCombinerClass(Reduce.class);
job.setReducerClass(Reduce.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);
}
}
这个程序实现了单词计数功能。在Map阶段,程序将输入文本拆分成单词,并为每个单词生成一个键值对(单词,1)。在Reduce阶段,程序将相同单词的计数相加,得到每个单词的总数。
标签:第一天,记录,hadoop,Hadoop,job,org,apache,import From: https://blog.51cto.com/u_12830878/8547720