学步园

一，背景

气象站分析一批复杂的数据，演示需要分析的数据

0043011990999991950051518004+68750+023550FM-12+038299999V0203201N00261220001CN9999999N9-00111+99999999999

存放在input.txt中。

其中包含了年份 和 温度数据

需要把这个年份和温度数据提取出来

二，具体执行

1,下载 hadoop-0.20.1

cd hadoop-020.1/conf/ 配置：

core-site.xml

Xml代码  

1. <?xml version="1.0"?>  
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>  
3.   
4. <!-- Put site-specific property overrides in this file. -->  
5.   
6. <configuration>  
7.   <property>  
8.     <name>fs.default.name</name>  
9.     <value>hdfs://localhost:9000</value>  
10.   </property>  
11. </configuration>  

 hdfs-site.xml

Xml代码  

1. <?xml version="1.0"?>  
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>  
3.   
4. <!-- Put site-specific property overrides in this file. -->  
5.   
6. <configuration>  
7.   <property>  
8.     <name>dfs.replication</name>  
9.     <value>1</value>  
10.   </property>  
11. </configuration>  

 mapred-site.xml

Xml代码  

1. <?xml version="1.0"?>  
2. <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>  
3.   
4.     <!-- Put site-specific property overrides in this file. -->  
5.   
6. <configuration>  
7.     <property>  
8.         <name>mapred.job.tracker</name>  
9.         <value>localhost:9001</value>  
10.     </property>  
11. </configuration>  

 配置完毕

cd bin

./hadoop namenode -format

./start-all.sh

2,我的pom.xml

Xml代码  

1. <?xml version="1.0" encoding="UTF-8"?>  
2. <project  
3.     xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"  
4.     xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance">  
5.     <modelVersion>4.0.0</modelVersion>  
6.     <parent>  
7.         <artifactId>balance</artifactId>  
8.         <groupId>com.yajun</groupId>  
9.         <version>1.0-SNAPSHOT</version>  
10.     </parent>  
11.     <groupId>com.yajun.hadoop</groupId>  
12.     <artifactId>balance.hadoop</artifactId>  
13.     <version>1.0-SNAPSHOT</version>  
14.     <name>balance.hadoop</name>  
15.     <url>http://maven.apache.org</url>  
16.     <dependencies>  
17.         <dependency>  
18.             <groupId>junit</groupId>  
19.             <artifactId>junit</artifactId>  
20.             <version>4.7</version>  
21.             <scope>test</scope>  
22.         </dependency>  
23.         <dependency>  
24.             <groupId>org.mockito</groupId>  
25.             <artifactId>mockito-core</artifactId>  
26.             <version>1.8.2</version>  
27.             <scope>test</scope>  
28.         </dependency>  
29.         <dependency>  
30.             <groupId>org.apache.mahout.hadoop</groupId>  
31.             <artifactId>hadoop-core</artifactId>  
32.             <version>0.20.1</version>  
33.         </dependency>  
34.         <dependency>  
35.             <groupId>commons-logging</groupId>  
36.             <artifactId>commons-logging</artifactId>  
37.             <version>1.1.1</version>  
38.         </dependency>  
39.         <dependency>  
40.             <groupId>commons-httpclient</groupId>  
41.             <artifactId>commons-httpclient</artifactId>  
42.             <version>3.0</version>  
43.         </dependency>  
44.         <dependency>  
45.             <groupId>commons-cli</groupId>  
46.             <artifactId>commons-cli</artifactId>  
47.             <version>1.2</version>  
48.         </dependency>  
49.     </dependencies>  
50. </project>  

使用以上pom，用maven 构建eclipse开发环境

3,写代码

分析代码 （Map部分）

Java代码  

1. package com.yajun.hadoop.temperature;  
2.   
3. import java.io.IOException;  
4.   
5. import org.apache.hadoop.io.IntWritable;  
6. import org.apache.hadoop.io.LongWritable;  
7. import org.apache.hadoop.io.Text;  
8. import org.apache.hadoop.mapred.MapReduceBase;  
9. import org.apache.hadoop.mapred.Mapper;  
10. import org.apache.hadoop.mapred.OutputCollector;  
11. import org.apache.hadoop.mapred.Reporter;  
12.   
13. /** 
14.  * hadoop 书上的例子,提取年份，温度数据 
15.  *  
16.  * @author txy 
17.  */  
18. public class MaxTemperatureMapper extends MapReduceBase implements  
19.         Mapper<LongWritable, Text, Text, IntWritable> {  
20.   
21.     public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output,  
22.                     Reporter reporter) throws IOException {  
23.         String line = value.toString();  
24.         // 提取年份  
25.         String year = line.substring(15, 19);  
26.         // 提取温度   
27.         String temp = line.substring(87, 92);  
28.         if (!missing(temp)) {  
29.             int airTemperature = Integer.parseInt(temp);  
30.             output.collect(new Text(year), new IntWritable(airTemperature));  
31.         }  
32.     }  
33.   
34.     /** 
35.      * 如果提取出来的温度达到9999，认为是提取不到数据 
36.      *  
37.      * @param temp 
38.      * @return 是否能正确提取温度数据 
39.      */  
40.     private boolean missing(String temp) {  
41.         return temp.equals("+9999");  
42.     }  
43.   
44. }  

输出结果代码(Reduce部分)

Java代码  

1. package com.yajun.hadoop.temperature;  
2.   
3. import java.io.IOException;  
4. import java.util.Iterator;  
5.   
6. import org.apache.hadoop.io.IntWritable;  
7. import org.apache.hadoop.io.Text;  
8. import org.apache.hadoop.mapred.MapReduceBase;  
9. import org.apache.hadoop.mapred.OutputCollector;  
10. import org.apache.hadoop.mapred.Reducer;  
11. import org.apache.hadoop.mapred.Reporter;  
12.   
13. /** 
14.  * 输出当年最高温度 
15.  *  
16.  * @author txy 
17.  */  
18. public class MaxTemperatureReducer extends MapReduceBase implements  
19.         Reducer<Text, IntWritable, Text, IntWritable> {  
20.     public void reduce(Text key, Iterator<IntWritable> values,  
21.                        OutputCollector<Text, IntWritable> output, Reporter reporter)  
22.             throws IOException {  
23.         int maxValue = Integer.MIN_VALUE;  
24.         while (values.hasNext()) {  
25.             maxValue = Math.max(maxValue, values.next().get());  
26.         }  
27.         output.collect(key, new IntWritable(maxValue));  
28.     }  
29. }  

运行整个JOB的代码

Java代码  

1. package com.yajun.hadoop.temperature;  
2.   
3. import org.apache.hadoop.conf.Configured;  
4. import org.apache.hadoop.fs.Path;  
5. import org.apache.hadoop.io.IntWritable;  
6. import org.apache.hadoop.io.Text;  
7. import org.apache.hadoop.mapred.FileInputFormat;  
8. import org.apache.hadoop.mapred.FileOutputFormat;  
9. import org.apache.hadoop.mapred.JobClient;  
10. import org.apache.hadoop.mapred.JobConf;  
11. import org.apache.hadoop.util.Tool;  
12. import org.apache.hadoop.util.ToolRunner;  
13.   
14. public class MaxTemperatureDriver extends Configured implements Tool {  
15.     @Override  
16.     public int run(String[] args) throws Exception {  
17.         if (args.length != 2) {  
18.             System.err.printf("Usage: %s [generic options] <input> <output>\n", getClass()  
19.                     .getSimpleName());  
20.             ToolRunner.printGenericCommandUsage(System.err);  
21.             return -1;  
22.         }  
23.         JobConf conf = new JobConf(getConf(), getClass());  
24.         conf.setJobName("Max temperature");  
25.         FileInputFormat.addInputPath(conf, new Path(args[0]));  
26.         FileOutputFormat.setOutputPath(conf, new Path(args[1]));  
27.         conf.setOutputKeyClass(Text.class);  
28.         conf.setOutputValueClass(IntWritable.class);  
29.         conf.setMapperClass(MaxTemperatureMapper.class);  
30.         conf.setCombinerClass(MaxTemperatureReducer.class);  
31.         conf.setReducerClass(MaxTemperatureReducer.class);  
32.         JobClient.runJob(conf);  
33.         return 0;  
34.     }  
35.   
36.     public static void main(String[] args) throws Exception {  
37.         int exitCode = ToolRunner.run(new MaxTemperatureDriver(), args);  
38.         System.exit(exitCode);  
39.     }  
40. }  

4，eclipse环境的hadoop插件配置好(如果没有安装这个插件也很简单：https://issues.apache.org/jira/browse/MAPREDUCE-1262 上面下载，扔到eclipse 的dropins目录里面搞定)
与hadoop的配置一样

5,运行代码

现将input.txt拷贝到 hdfs中去

./hadoop fs -put /home/txy/work/balanceofworld/balance/balance.hadoop/src/main/resources/temperature/input.txt /user/txy/src/main/resources/temperature/input.txt

设置运行 MaxTemperatureDriver 的时候需要两个命令行参数

1，输入文件：src/main/resources/temperature/input.txt (对应到HDFS里面的

/user/txy/src/main/resources/temperature/input.txt)

2，输出文件：src/main/resources/temperature/output.txt（对应到HDFS里面的

/user/txy/src/main/resources/temperature/output.txt

）

然后就在eclipse 里右键在hadoop上运行吧，哈哈。

该博文转载自http://yjhexy.iteye.com/blog/608105