hadoop 自带示例wordcount 详细运行步骤

因为机器学习，接触到了数据挖掘；因为数据挖掘，接触到了大数据；因为大数据，接触到了Hadoop。之前有过hadoop的简单了解，但都是基于别人提供的hadoop来学习和使用，虽然也很好用 ，终究不如自己的使用起来方便 。经过这两天参考大量网上的经验，终于成功的搭建了自己的hadoop完全分布式环境。现在我把所有的安装思路、安装过程中的截图以及对待错误的经验总结出来，相信安装这个思路去做，hadoop安装就不再是一件困难的事。

我自己是搭建的完全分布式的hadoop，就涉及到了创建若干个虚拟机并使它们能够互通。所以我整个hadoop安装能够分为三个独立的部分：1、linux 虚拟机详细搭建过程；2、hadoop完全分布式集群安装；3、hadoop 自带示例wordcount 的具体运行步骤。本文介绍第三部分。（我们在做本节内容的基础是Hadoop已经启动）

单词计数是最简单也是最能体现MapReduce思想的程序之一，可以称为MapReduce版”Hello World”，该程序的完整代码可以在Hadoop安装包的”src/examples”目录下找到。单词计数主要完成功能是：统计一系列文本文件中每个单词出现的次数，如下图所示。

1.创建本地示例文件

在”/usr/hadoop”目录下创建文件夹”file”。

接着创建两个文本文件file1.txt和file2.txt，使file1.txt内容为”Hello World”，而file2.txt的内容为”Hello Hadoop”和“hello mapreduce”(两行)。

2.在HDFS上创建输入文件夹

bin/hadoop fs -mkdir hdfsinput

意思是在HDFS远程创建一个输入目录，我们以后的文件需要上载到这个目录里面才能执行。

3.上传本地file中文件到集群的hdfsinput目录下

bin/hadoop fs -put /usr/haodop/file/file*.txt hdfsinput

4.运行Hadoop 自带示例wordcount

bin/hadoop jar /usr/hadoop/hadoop-examples-1.2.1.jar wordcount hdfsinput hdfsoutput

以上三步的操作截图如下



这里的示例程序是1.2.1版本的，输入命令时先查一下具体版本。地址就是/usr/hadoop/

再次运行时一定要先将前一次运行的输出文件夹删除

运行完之后的输出结果：



查看结果

bin/hadoop fs -ls hdfsoutput

从上图中知道生成了三个文件，我们的结果在”part-r-00000”中。

bin/hadoop fs -cat hdfsoutput/part-r-00000

5.参考文献

/article/4874021.html

/article/6039641.html

/article/5186541.html