shell开发Hadoop streaming 实例代码

以下是一个使用Hadoop Streaming的Shell脚本示例代码：

#!/bin/bash

# 设置输入和输出目录
INPUT_DIR=/input
OUTPUT_DIR=/output

# 删除旧的输出目录
hadoop fs -rm -r $OUTPUT_DIR

# 运行Hadoop Streaming作业
hadoop jar /usr/local/hadoop/share/hadoop/tools/lib/hadoop-streaming-2.10.1.jar \
    -input $INPUT_DIR \
    -output $OUTPUT_DIR \
    -mapper "map.sh" \
    -reducer "reduce.sh" \
    -file "map.sh" \
    -file "reduce.sh"

# 打印输出
hadoop fs -cat $OUTPUT_DIR/*

其中，map.sh和reduce.sh是实际的Mapper和Reducer脚本。在这个例子中，我们使用了Hadoop默认的Streaming jar文件，并将map.sh和reduce.sh文件作为输入文件传递给它。在运行作业之前，我们删除了旧的输出目录（如果存在），以便Streaming作业可以重新生成输出。最后，我们使用hadoop fs -cat命令打印输出。

相关问题

执行Hadoop分布式实例详细代码分析

以下是一个简单的Hadoop分布式实例详细代码分析：

1. 配置Hadoop集群：

在多个服务器上安装Hadoop，并进行配置以创建一个Hadoop集群。这些服务器可以是物理服务器或虚拟机。

2. 准备数据：

将需要处理的数据上传到Hadoop集群中的HDFS（Hadoop分布式文件系统）。可以使用以下命令将本地文件上传到HDFS：

hdfs dfs -put local_file_path hdfs_file_path

3. 编写MapReduce程序：

编写MapReduce程序来处理上传到HDFS的数据。以下是一个简单的单词计数MapReduce程序实现：

import java.io.IOException;
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 {
      String[] words = value.toString().split(" ");
      for (String w : words) {
        word.set(w);
        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MapReduce程序会对上传到HDFS的数据进行单词计数。其中，Mapper类用于将输入数据分割成单词，然后输出一个键-值对，其中键是单词，值为1。Reducer类用于将相同键的值相加，然后输出键-值对，其中键为单词，值为单词出现的次数。

4. 运行MapReduce程序：

将编写的MapReduce程序提交到Hadoop集群上运行。使用以下命令提交MapReduce程序：

hadoop jar jar_file_path input_path output_path

其中，jar_file_path是编译后的MapReduce程序的jar包路径；input_path是上传到HDFS的数据的路径；output_path是MapReduce程序输出结果的路径。

5. 获取结果：

查看MapReduce程序的运行结果，并将结果下载到本地计算机中进行分析。使用以下命令查看MapReduce程序的运行结果：

hdfs dfs -cat output_path/part-r-00000

其中，output_path是MapReduce程序输出结果的路径。

hadoop streaming测试网站

Hadoop streaming测试网站是一个在线的Hadoop流式处理测试工具，可以让开发人员在不需要安装Hadoop的情况下测试他们的MapReduce作业。以下是一些常用的Hadoop streaming测试网站：

1. Cloudera Hadoop Streaming Test: https://hadoop.apache.org/docs/stable/hadoop-streaming/HadoopStreaming.html

2. AWS EMR Hadoop Streaming Test: https://aws.amazon.com/emr/hadoop-streaming/

3. Qubole Hadoop Streaming Test: https://www.qubole.com/resources/hadoop-streaming/

4. Hortonworks Hadoop Streaming Test: https://docs.hortonworks.com/HDPDocuments/HDP2/HDP-2.6.5/bk_command-line-installation/content/hadoop-streaming.html

5. Google Cloud Dataproc Hadoop Streaming Test: https://cloud.google.com/dataproc/docs/tutorials/streaming-example

这些网站提供了一个简单的界面，让用户上传他们的MapReduce代码和输入数据，并运行作业。它们还提供了一些示例代码和文档，以帮助用户了解Hadoop流式处理的基础知识。