Implementando o Aplicativo MapReduce

Implemente um aplicativo MapReduce.

  1. Crie src\main\java\org\apache\hadoop\examples\wordcount.java.
  2. Copie e cole o código Java a seguir no novo arquivo.
    package org.apache.hadoop.examples;
     
    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;
    import org.apache.hadoop.util.GenericOptionsParser;
     
    /**
     * Simple Word count application that defines Mapper and Reducer classes that counts the words in a give input file
     */
    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();
     
        // map function is called for every line in the input file
        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());
     
            // Update count as 1 for every word read from input line
             context.write(word, one);
            }
        }
    }
     
    public static class IntSumReducer
            extends Reducer<Text,IntWritable,Text,IntWritable> {
        private IntWritable result = new IntWritable();
     
       // reduce function is called with list of values sent by map function
        public void reduce(Text key, Iterable<IntWritable> values,
                            Context context) throws IOException, InterruptedException {
    
            // perform necessary aggregate operation and write result to the context
    
            int sum = 0;
            for (IntWritable val : values) {
              sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }
     
    /**
     * Driver code to provide the mapper & reducer function classes for Hadoop Map Reduce framework
     */
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in> <out>");
            System.exit(2);
        }
        Job job = new Job(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(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
        }
    }
  3. Fechar o arquivo.

Construindo a Aplicação JAR

Execute mvn clean package na pasta raiz do projeto para criar o JAR do aplicativo na pasta de destino. Por exemplo, wordcountjava-1.0-SNAPSHOT.jar.

mvn clean package

Este comando limpa todos os artefatos de build anteriores, baixa todas as dependências que ainda não foram instaladas e, em seguida, cria e empacota o aplicativo.

Depois que o comando termina, o diretório wordcountjava/target contém um arquivo chamado wordcountjava-1.0-SNAPSHOT.jar.

Observação

O arquivo wordcountjava-1.0-SNAPSHOT.jar é um uberjar, que contém não apenas o job WordCount, mas também dependências que o job exige no runtime.

Executando o JAR do Aplicativo MapReduce

Copie o JAR para qualquer nó. Por exemplo:

- yarn jar /tmp/wordcountjava-1.0-SNAPSHOT.jar org.apache.hadoop.examples.WordCount /example/data/input.txt /example/data/wordcountout

Parâmetros:

  • /example/data/input.txt: Caminho HDFS para o arquivo de texto de entrada
  • /example/data/wordcountout: Caminho do HDFS para o resultado (saída do redutor)

Saída de amostra:

 >> hdfs dfs -cat /example/data/wordcountout/* 

          zeal    1
          zelus   1
          zenith  2
Observação

O arquivo wordcountjava-1.0-SNAPSHOT.jar é um JAR gordo se criado por meio do maven-shade-plugin. Como alternativa, use -libjars como opção para fornecer JARs adicionais ao caminho da classe de job. Em um cluster seguro, kinit e as políticas apropriadas do Ranger são necessárias antes do envio do job.