MapReduce之WordCount实战——统计某电商网站买家收藏商品数量

MapReduce之WordCount实战——统计某电商网站买家收藏商品数量

预习内容：

一、实验目的和要求∶

了解基本的MapReduce程序结构

二、实验任务∶

现有某电商网站用户对商品的收藏数据，记录了用户收藏的商品id以及收藏日期，名为buyer_favorite1。
buyer_favorite1包含：买家id，商品id，收藏日期这三个字段，数据以“\t”分割。
数据样例与格式如下：

要求编写MapReduce程序，统计每个买家收藏商品数量，并撰写实验报告。

三、实验准备方案，包括以下内容：

（硬件类实验：实验原理、实验线路、设计方案等）
（软件类实验：所采用的系统、组件、工具、核心方法、框架或流程图、程序清单等）

• 设备：一台windows10宿主机，三台linux（centos8）虚拟机
• 节点：hadoop102,hadoop103,hadoop104
• 模板机:：hadoop100
• 文件传输软件： Xftp6
• 开发平台：hadoop-3.1.3
• 集成开发环境：XSHELL，IDEA

实验内容

一、 实验用仪器、设备：

宿主机配置如下：

三台虚拟机配置如下：

二、实验内容与步骤（过程及数据记录）：

1. 前置的输入数据准备

首先创建数据文件shop.txt：

在hadoop-3.1.3目录下创建一个文件夹装数据，具体步骤如下：

[leokadia@hadoop102 ~]$ cd $HADOOP_HOME

[leokadia@hadoop102 hadoop-3.1.3]$ mkdir shopData
然后进入创建好的装数据的文件夹shopData
[leokadia@hadoop102 hadoop-3.1.3]$ cd shopData/
将刚刚创建的shop.txt直接拖拽到里面

然后可以查看一下（检查一下我们导入的数据是不是我们刚刚设置的数据）
[leokadia@hadoop102 shopData]$ cat shop.txt

在HDFS根目录下建立一个文件夹shoplnputData
[leokadia@hadoop102 shopData]$ hadoop fs -mkdir /shopInputData

从本地拷贝数据文件shop.txt到刚刚HDFS中刚刚新建的shoplnputData文
[leokadia@hadoop102 shopData]$ hadoop fs -put shop.txt /shopInputData

2. 开始编写任务程序

1 ）环境准备

（1）创建 maven 工程，MapReduceDemo

按照之前的修改成自己的Maven仓库，相关内容可参考：
HDFS的API环境准备小知识——Maven 安装与配置

然后将相关java编译器配成自己的版本

注意：由于hadoop3.x支支持JDK8，建议所有的环境都配成8

（2）在 pom.xml 文件中添加版本信息以及相关依赖

<properties><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding><java.version>1.8</java.version><maven.compiler.source>1.8</maven.compiler.source><maven.compiler.target>1.8</maven.compiler.target><encoding>UTF-8</encoding></properties><dependencies><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.1.3</version></dependency><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-log4j12</artifactId><version>1.7.30</version></dependency></dependencies>

（3）在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”(打印相关日志)

在文件中填入：

log4j.rootLogger=INFO, stdout   
log4j.appender.stdout=org.apache.log4j.ConsoleAppender   
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout   
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n   
log4j.appender.logfile=org.apache.log4j.FileAppender   
log4j.appender.logfile.File=target/spring.log   
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout   
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n 

（4）创建包名：com.leokadia.count

并在包下创建三个java类：

2 ） 编写程序

（1）编写 Mapper 类

package com.leokadia.count;
/*** @author sa* @create 2021-04-25 16:51*/
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;public class CountMapper extends Mapper<LongWritable, Text, Text, Text>
{private Text outK = new Text();private Text outV = new Text();protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context)throws IOException, InterruptedException{String[] split = value.toString().split("\t");this.outK.set(split[0]);this.outV.set(split[1]);context.write(this.outK, this.outV);}
}

（2）编写 Reducer 类

package com.leokadia.count;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;/*** @author sa* @create 2021-04-25 16:52*/public class CountReducer extends Reducer<Text, Text, Text, IntWritable>
{private IntWritable outV = new IntWritable();protected void reduce(Text key, Iterable<Text> values, Reducer<Text, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException{int sum = 0;for (Text value : values) {sum++;}this.outV.set(sum);context.write(key, this.outV);}
}

（3）编写 Driver 驱动类

package com.leokadia.count;/*** @author sa* @create 2021-04-25 16:51*/
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class CountDriver
{public static void main(String[] args)throws IOException, ClassNotFoundException, InterruptedException{Job job = Job.getInstance(new Configuration());job.setJarByClass(CountDriver.class);job.setMapperClass(CountMapper.class);job.setReducerClass(CountReducer.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(Text.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.setInputPaths(job, new Path[] { new Path(args[0]) });FileOutputFormat.setOutputPath(job, new Path(args[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}
}

3 ） 提交到集群测试

在linux虚拟机上去运行

集群上测试

（1）用 maven 打 jar 包，需要添加的打包插件依赖

将下面的代码放在之前配置的依赖后面

<build> <plugins> <plugin> <artifactId>maven-compiler-plugin</artifactId> <version>3.8.1</version> <configuration> <source>1.8</source> <target>1.8</target> </configuration> </plugin> <plugin> <artifactId>maven-assembly-plugin</artifactId> <configuration> <descriptorRefs> <descriptorRef>jar-with-dependencies</descriptorRef> </descriptorRefs> </configuration> <executions> <execution> <id>make-assembly</id> <phase>package</phase> <goals> <goal>single</goal> </goals> </execution> </executions> </plugin> </plugins> 
</build> 

注意：如果工程上显示红叉。在项目上右键->maven->Reimport 刷新即可。

（2）将程序打包成 jar 包

点击右边Maven，先点击clean再点击package打包

左边出现jar包，上面的是不带依赖的，下面的是带依赖的，由于我们的hadoop集群中已经配置了相关文件，所以用上面的即可。

在文件夹中查看它

从文件夹中复制到桌面，并更名pCount.jar

（3）将jar包导入到hadoop集群中

将其拖拽到hadoop中

使shopData中有pCount.jar
然后运行

（4）执行程序

[leokadia@hadoop102 shopData]$ hadoop jar pCount.jar com.leokadia.count.CountDriver /shopInputData /shopOutputData

结果示例：

三、感想、体会、建议∶

在执行wordcount程序时
[leokadia@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar com.leokadia.mapreduce.wordcount2.WordCountDriver /user/leokadia/Marvel /user/leokadia/output

我本以为最后一步就大功告成了，但报出以下错误
原来java本地版本与hadoop的版本不兼容

我在本地装的14，当时在hadoop里面配置的8
本地的java版本

hadoop里面装的java版本

于是，然后经过查证，hadoop3.x目前只支持jdk1.8
只好将本地的jdk版本改成8
因此我专门将我的JDK14卸干净，回去重新下载了一遍JDK8，并重新配置
具体如何卸载和安装我专门又写了篇博客
JDK的卸载与安装（慎重下载高版本JDK！强烈建议要安装就安装JDK8）

修改配置后，删除原来的jar包，再重新生成即可。
期间还遇到
【Maven报错】Error:java: 不再支持源选项 5。请使用 6 或更高版本。
这个错误，最后尝试了许多方法也成功解决。具体的，我也写了篇博客论述相关解决办法。

在这几个月的大数据学习过程中我写了30篇左右关于大数据的博客，博客浏览量达到近4万，帮助了许多同学以及陌生人，收益匪浅。