通过在idea上搭建虚拟hadoop环境使用MapReduce做词频去重

idea上的MapReduce

​ 一般在开发中，若是等到环境搭配好了再进行测试或者统计数据，数据处理等操作，那会很耽误时间，所以一般都是2头跑，1波人去在客户机上搭建环境，1波人通过在idea上搭建虚拟hadoop环境，然后再虚拟环境下编写测试功能代码

使用Java API实现MapReduce经典案例

【案例1：数据去重】

1）配置windows下的hadoop环境变量

步骤1：将hadoop的安装包解压到指定位置（本例指定位置是:C:\Program Files)

步骤2：新建系统环境变量HADOOP_HOME

步骤3：编辑系统环境变量path

步骤4：添加windows系统的依赖文件，在hadoop安装路径下添加winutils.exe,winutils.pdb和hadoop.dll共3个文件

注意：

1）一定要重启电脑让以上配置生效（有时候不用重启也可以）

2）在命令提示符cmd中找不到hadoop的版本不影响后续编程

2）配置好Maven

步骤1：将maven相关文件夹apache-maven-3.6.0放在D盘的根目录

步骤2：使用idea新建maven项目,并做如下maven设置

3）编辑pom.xml文件，添加Maven库依赖

<dependencies><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-common</artifactId><version>3.1.3</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-hdfs</artifactId><version>3.1.3</version></dependency><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.1.3</version></dependency><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version></dependency></dependencies>

4）Map阶段的实现：编写DedupMapper.java代码 （教材P116

packagecom.xyzy;importorg.apache.hadoop.fs.Path;importorg.apache.hadoop.io.NullWritable;importorg.apache.hadoop.mapreduce.Job;importorg.apache.hadoop.mapreduce.lib.input.FileInputFormat;importorg.apache.hadoop.mapreduce.lib.output.FileOutputFormat;importorg.apache.hadoop.conf.Configuration;importorg.apache.hadoop.io.Text;importjava.io.IOException;publicclassDedupDriver{publicstaticvoid main (String[] args)throwsIOException,ClassNotFoundException,InterruptedException{Configuration conf =newConfiguration();Job job =Job.getInstance(conf);
     job.setJarByClass(DedupDriver.class);
     job.setMapperClass(DedupMapper.class);
     job.setReducerClass(DedupReducer.class);
     job.setOutputKeyClass(Text.class);
     job.setOutputValueClass(NullWritable.class);FileInputFormat.setInputPaths(job,newPath("D:/testdata/input"));FileOutputFormat.setOutputPath(job,newPath("D:/testdata/output2"));boolean res = job.waitForCompletion(true);System.exit(res ?0:1);}}

5）Reduce阶段的实现：编写DedupReducer.java代码（教材P117)

packagecom.xyzy;importorg.apache.hadoop.io.LongWritable;importorg.apache.hadoop.io.NullWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Mapper;importjava.io.IOException;publicclassDedupMapperextendsMapper<LongWritable,Text,Text,NullWritable>{privatestaticText field =newText();
    @ Overrideprotectedvoidmap(LongWritable key,Text value ,Context context)throwsIOException,InterruptedException{
        field = value;
        context.write(field,NullWritable.get());}}

6）驱动类的实现：编写DedupDriver.java代码（教材P117）

packagecom.xyzy;importorg.apache.hadoop.io.NullWritable;importorg.apache.hadoop.io.Text;importorg.apache.hadoop.mapreduce.Reducer;importjava.io.IOException;publicclassDedupReducerextendsReducer<Text,NullWritable,Text,NullWritable>{
    @ Overrideprotectedvoidreduce(Text key,Iterable<NullWritable>value,Context context)throwsIOException,InterruptedException{
        context.write(key,NullWritable.get());}}

7）要提前在d:/testdata/input中准备好素材(提醒一下output不是自己创建的文件夹，而是运行系统自动生成的！！！)

8）运行后的效果：

自动在d:/testdata/产生目录output,内容如下：

如果已经产生一次结果，若再想使用去重操作，则需要改写结果存储的文件夹名，例如将output改为output1即可