idea编译hadoop源代码 idea运行hadoop

本地不搭建任何hadoop环境，就使用maven管理hadoop必要依赖
使用远程hadoop搭建好的集群即可

首先你要有hadoop集群，至于怎么集群，这里就不说了，很麻烦

启动你的hadoop

上传你要统计的数据到hdfs --一个或多个文件 记住该路径, 我这个文件作为测试，324M够大了

搭建本地idea的hadoop项目

创建maven项目

pom.xml 依赖

<properties>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <maven.compiler.encoding>UTF-8</maven.compiler.encoding>
        <java.version>1.8</java.version>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
    </properties>


    <dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
            <scope>test</scope>
        </dependency>

        <!--<dependency>-->
            <!--<groupId>org.apache.hadoop</groupId>-->
            <!--<artifactId>hadoop-core</artifactId>-->
            <!--<version>1.2.1</version>-->
        <!--</dependency>-->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.3</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.3</version>
        </dependency>
        <!-- hdfs-->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.7.3</version>
        </dependency>
    </dependencies>

    
    <!--添加apache源-->
    <repositories>
        <repository>
            <id>apache</id>
            <url>http://maven.apache.org</url>
        </repository>
    </repositories>

找个包创建一个测试类
注释都写得明明白白

package testBigDate;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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;

import java.io.IOException;
import java.util.StringTokenizer;

/** 统计每个单词在文件中的数量
 * @author huangchao
 * @date 2020/9/10
 */
public class TestWordCount {


    /**
     * 下面是Mapper类中的4个泛型含义:
     * a.泛型一:KEYIN：Object，对应的Mapper的输入key。输入key是每行的行首偏移量
     * b.泛型二: VALUEIN：Text，对应的Mapper的输入Value。输入value是每行的内容
     * c.泛型三:KEYOUT：Text 对应的Mapper的输出key，根据业务来定义, 例如现在统计的每个单词的数量，则maper输出的key应该是某个单词
     * d.泛型四:VALUEOUT：IntWritable 对应的Mapper的输出value，根据业务来定义, 例如现在统计的每个单词的数量，则maper输出的value应该是这个单词对应的数量
     */
    public static class WordMapper extends Mapper<Object, Text, Text, IntWritable>{
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        /**
         * 每读一行数据, 都会执行一次map
         */
        @Override
        public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            //System.out.println("数据的偏移量是 :" + key);
            //System.out.println("本次读取到的数据是 : " + value);
            // 开始记录这一行单词出现次数
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }

    /**
     * Reducer组件用于接收Mapper组件的输出
     * 1.reduce的输入KEYIN,VALUEIN需要和mapper的输出key,value类型保持一致
     * 2.reduce的输出KEYOUT,VALUEOUT类型，根据具体业务决定
     * reduce收到map的输出，会按相同的key做聚合，形成:key Iterable 形式然后通过reduce方法进行传递
     * 5. reduce方法中的Iterable是一次性的，即遍历一次之后，再遍历，里面就没有数据了。
     * 所以，在某些业务场景，会涉及到多次操作此迭代器，处理的方法是
     * ：①先创建一个List  ②把Iterable装到List ③多次去使用List即可
     */
    public static class WordReduce extends Reducer<Text,IntWritable,Text,IntWritable> {
        private IntWritable result = new IntWritable();
        @Override
        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 IOException, ClassNotFoundException, InterruptedException {
        System.setProperty("HADOOP_USER_NAME", "huangchao");
        Configuration conf = new Configuration();
        conf.set("fs.defaultFS", "hdfs://nn2.hadoop:9000");
        conf.set("mapreduce.app-submission.cross-platform", "true");
        //jar包运行地址
        conf.set("mapred.jar", "D:\\ITproject\\demo\\bigdata\\bigdata-test\\target\\bigdata-test-1.0-SNAPSHOT.jar");
        conf.set("fs.hdfs.impl", org.apache.hadoop.hdfs.DistributedFileSystem.class.getName());
        Job job = Job.getInstance(conf, "wordCount"); //任务名称
        job.setJarByClass(TestWordCount.class);//要执行的jar中的类
        //设置输入文件类型--文本类型
        //job.setInputFormatClass(TextInputFormat.class);
        //job.setOutputFormatClass(TextOutputFormat.class);

        //设置自己程序的mapReduce
        job.setMapperClass(WordMapper.class);
        job.setCombinerClass(WordReduce.class);
        job.setReducerClass(WordReduce.class);

        //结果key的输出类型和结果value的输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        //判断输出路径是否存在，存在则删除
        FileSystem fs = FileSystem.get(conf);
        //Path op = new Path("hdfs://nn2.hadoop:9000/user/data/output");
        Path op = new Path(args[1]);
        if(fs.exists(op)){
            // 递归删除目录与目录内容
            fs.delete(op,true);
            System.out.println("已删除!");
        }

        //设置输入路径和输出路径 ，这里路径就不在这里写死了，在jvm启动参数中传的
        //FileInputFormat.addInputPath(job, new Path("hdfs://nn2.hadoop:9000/user/data/input2"));
        //FileOutputFormat.setOutputPath(job, new Path("hdfs://nn2.hadoop:9000/user/data/output"));
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

下载hadoop.dll文件，百度随便搜索hadoop.dll到处都是 只要hadoop.dll,放到你的C:\Windows\System32文件夹下，以免出现一些不必要的错误

添加项目启动参数，你的远程服务器数据输入地址，和结果输出地址，最好写绝对路径

clean package 打包一波

然后再运行一波main方法结果 自动创建了一个output文件夹，并返回成功_SUCCESS，和结果part-r-00000两个文件

不止到part-r-0000为什么不能预览，谁找到答案记得告诉我

既然idea中看不了结果，我们去服务器看一些结果

原数据文件内容大致如下