MapReduce分布式计算及其应用

实验名称：MapReduce分布式计算及其应用

实验内容

Hadoop是一个能够对大量数据进行分布式处理的软件框架，已被广泛应用到各个领域，Hadoop框架最核心的设计是分布式文件系统（HDFS）、分布式计算框架（MapReduce）和集群资源管理系统（YARN）。本实验要求实现如下内容。

1.搭建分布式Hadoop集群环境，采用伪分布式或完全分布式模式。

2.应用MapReduce模型，实现词频统计。

3.应用MapReduce模型，对电影数据分析，实现用户喜好评定。（选作）

实验环境

• Windows 10
• VMware Workstation 16 Pro
• Ubuntu 20.04 LTS
• Docker V1.26
• Docker Image:（Hadoop镜像）
• registry.cn-beijing.aliyuncs.com/jing-studio/centos7-hadoop

实验过程

Hoop实验环境所使用的工具搭建过程。

拉取Docker镜像，创建Docker容器

Hoop实验环境搭建过程

通过终端进入Docker容器：

1. 关闭防火墙 systemctl stop iptables.service
2. 设置主机名 vi /etc/sysconfig/network
3. 添加映射关系 vi /etc/hosts
4. 配置Hadoop文件
   1. core.site.xml
   2. hdfs-site.xml
   3. mapred-site.xml
   4. yarn-site.xml
5. 启动Hadoop /usr/local/hadoop/sbin/start-all.sh
6. 验证配置

成功访问Web配置页面：

应用的实现过程，包括步骤及测试结果

1. hadoop fs -mkdir /input 在HDFS中创建文件
2. cd /usr/local/hadoop 进入目录
3. touch in.txt 创建文件
4. vi in.txt 打开文件，添加信息(之后求出现次数)
5. hadoop fs -put in.txt /input/ 文件添加到HDFS的 /input/下
6. cd share/hadoop/mapreduce 切换目录
7. hadoop jar hadoop-mapreduce-examples-2.7.6.jar \ 使用
8. wordcount /input /output 执行
9. hadoop fs -cat /output/part-r-00000 查看结果

也可以自己生成jar包，发布到Hadoop运行：
编译、打包 Hadoop MapReduce 程序，我们将 Hadoop 的 classhpath 信息添加到 CLASSPATH 变量中，在 ~/.bashrc 中增加如下几行：

export HADOOP_HOME=/usr/local/hadoop
export CLASSPATH=$($HADOOP_HOME/bin/hadoop classpath):$CLASSPATH
export HADOOP_CLASSPATH=$(hadoop classpath)

执行 source ~/.bashrc 使变量生效，接着就可以通过 javac 命令编译。

javac -classpath $HADOOP_CLASSPATH -d . JobMain.java WordCountMapper.java WordCountReducer.java

打包成一个 Jar 文件：

jar -cvf wordcount.jar -C . .

运行Hadoop程序：

hadoop jar wordcount.jar hit.dstOS.lab2.JobMain /input/in.txt /output/wordcount/

项目实现过程中遇到的问题及解决方案

编译Hadoop程序时，Java报错：package org.apache.hadoop.conf does not exist

这是需要确保Hadoop 的相关依赖，根据报告上文的配置，可以解决该问题。

运行Hadoop程序报错：

Exception in thread "main" java.lang.ClassNotFoundException: JobMain

这是因为Hadoop 找不到 JobMain 类，由于类路径或包结构不正确造成的。

正确的运行命令，应该指定jar包的类路径（要明确包结构）。

例如我的包结构是package hit.dstOS.lab2;

那么，运行命令指定的类路径就是 hit.dstOS.lab2.JobMain。