Hadoop如何检测环境搭建成功

在安装和配置Hadoop之后，我们需要验证环境是否成功搭建。这个过程包括启动Hadoop集群，执行简单的MapReduce任务，并检查任务的输出结果。

以下是一个简单的示例，展示了如何使用Hadoop MapReduce来验证环境是否搭建成功。

步骤1：启动Hadoop集群

首先，我们需要启动Hadoop集群。在Hadoop的安装目录下，执行以下命令来启动集群：

$ sbin/start-all.sh

这将启动Hadoop集群的各个组件，包括NameNode、DataNode、ResourceManager和NodeManager。

步骤2：编写MapReduce程序

接下来，我们需要编写一个简单的MapReduce程序。创建一个名为WordCount.java的Java文件，并将以下代码复制到文件中：

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;

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();
    Job job = Job.getInstance(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(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

这个程序是一个经典的Word Count示例，用于计算给定文本中每个单词出现的次数。

步骤3：编译和打包程序

在Hadoop的安装目录下，执行以下命令来编译和打包程序：

$ bin/hadoop com.sun.tools.javac.Main WordCount.java
$ jar cf wc.jar WordCount*.class

这将生成一个名为wc.jar的JAR文件，其中包含我们编写的MapReduce程序。

步骤4：准备输入数据

在Hadoop的安装目录下，创建一个名为input的文件夹，并在其中创建一个名为input.txt的文本文件。将以下文本内容复制到input.txt中：

Hello Hadoop
Hello MapReduce
Hello World

这将作为我们的示例输入数据。

步骤5：运行MapReduce任务

在Hadoop的安装目录下，执行以下命令来运行MapReduce任务：

$ bin/hadoop jar wc.jar WordCount input output

这将启动MapReduce任务，将input.txt作为输入，并将结果输出到名为output的文件夹中。

步骤6：检查输出结果

在Hadoop的安装目录下，执行以下命令来查看输出结果：

$ bin/hadoop fs -cat output/part-r-00000

输出应该如下所示：

Hello   3
Hadoop  1
MapReduce   1
World   1

这表明我们的MapReduce任务成功地计算出了输入文本中每个单词的出现次数