Hadoop云计算实验报告.docx

Hadoop云计算实验报告

Hadoop云计算实验报告

1 实验目的
在虚拟机Ubuntu上安装Hadoop单机模式和集群；
编写一个用Hadoop处理数据的程序，在单机和集群上运行程序。

2 实验环境
虚拟机：VMware 9
操作系统：ubuntu-12.04-server-x64（服务器版），ubuntu-14.10-desktop-amd64（桌面版）
Hadoop版本：hadoop 1.2.1
Jdk版本：jdk-7u80-linux-x64
Eclipse版本：eclipse-jee-luna-SR2-linux-gtk-x86_64
Hadoop集群：一台namenode主机master，一台datanode主机salve，
master主机IP为10.5.110.223，slave主机IP为10.5.110.207。

3 实验设计说明
3.1 主要设计思路
在ubuntu操作系统下，安装必要软件和环境搭建，使用eclipse编写程序代码。实现大数据的统计。本次实验是统计软件代理系统操作人员处理的信息量，即每个操作人员出现的次数。程序设计完成后，在集成环境下运行该程序并查看结果。
3.2 算法设计
该算法首先将输入文件都包含进来，然后交由map程序处理，map程序将输入读入后切出其中的用户名，并标记它的数目为1，形成的形式，然后交由reduce处理，reduce将相同key值(也就是word)的value值收集起来，形成的形式，之后再将这些1值加起来，即为用户名出现的个数，最后将这个对以TextOutputFormat的形式输出到HDFS中。
3.3 程序说明
1) UserNameCountMap类继承了org.apache.hadoop.mapreduce.Mapper，4个泛型类型分别是map函数输入key的类型，输入value的类型，输出key的类型，输出value的类型。
2) UserNameCountReduce类继承了org.apache.hadoop.mapreduce.Reducer，4个泛型类型含义与map类相同。
3) main函数通过addInputPath将数据文件引入该类，在通过setOutputPath将生成结果转为一个文件，实现生成结果，即统计结果的查看。
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
程序具体代码如附件中源程序。
4 实验过程
4.1 安装实验环境
4.1.1 安装ubuntu操作系统
1) 打开VMware,在Home tab中单击“Create a New Virtual Machine”，
2) 选择custom，选择虚拟硬件版本Workstation9.0，选择ios文件，next，
3) 录入目标操作系统信息,包括Full name、Uer name和Password， next，
4) 选择默认的选项，一般不做更改，最后确认信息，Finish，
5) 安装成功后，会看到如下画面，

4.1.2 安装配置Samba
安装samba主要为了实现与windows操作系统的通讯，由于server版本的ubuntu没有自带图形操作界面，所以下载资料等操作不太方便，这也是安装samba的目的之一。
1） 安装samba，输入如下命令：

2） 安装vim

3） 创建共享目录，并修改权限

4） 配置samba。修改samba的配置文件/etc/samba/smb.conf ，将security=share，并在文件的末尾追加如下内容，

5） 测试。在windows实机中，通过ip访问ubuntu虚拟机，可以见到share文件夹

4.1.3 安装配置JDK
首先，下载java开发工具包JDK。在本次试验中，我们下载的版本是jdk-7u80-linux-x64.gz。 解压安装到/usr/lib/jvm/目录下，更名为java-7-sun。
配置环境变量/etc/environment，

使配置生效

测试安装配置结果

4.1.4 在单节点（伪分布式）环境下运行HADOOP
1) 添加Hadoop用户并赋予sudo权限
2) 安装配置SSH

切换至hadoop用户，

配置密钥，使得hadoop用户能够无须输入密码，通过SSH访问localhost，
测试结果：

3) 安装配置Hadoop
首先下载Hadoop,解压缩到/opt/hadoop目录下, 本次试验中我们下载的版本是hadoop-1.2.1-bin.tar.gz，更改目录名称为hadoop。
修改与hadoop相关的配置文件（在/opt/hadoop/conf目录下），分别是core-site.xml, hadoop-env.sh, hdsf-site.xml, mapred-site.xml。在此不一一列举。
4) 运行Hadoop
首先格式化HDFS，

启动单节点集群，

通过jps查看，
master

slave

停止单节点集群，

4.15 在多节点（分布式）环境下运行HADOOP
1) 设置/etc/hosts文件
实验中两台机器处于同一局域网中，其中一台作为master，ip地址为10.5.110.223，一台作为slave，ip地址为10.5.110.207，修改两台机器的/etc/hosts文件，

2) 设置节点之间无密码SSH登陆
验证配置SSH是否正确
3) 修改集群配置文件
修改master的masters、slaves，修改所有节点的core-site.xml, hdsf-site.xml, mapred-site.xml，在此不一一列出。
4) 在master上格式化HDFS

5) 启动和停止集群
启动集群，
在master上启动HDFS后，jps结果如下：
master

slave

在master上启动mapreduce后，jps结果如下：
master

slave

停止集群

4.2 运行程序
4.2.1 在单机上运行程序
（1） 在Eclipse下，新建map/reduce工程
（2） 新建一个java类UserNameCount，编写代码

（3） 运行程序，结果如下：

（4） 在eclipse中编译好源代码后，导出程序的jar包，供在集群上使用。
4.2.2 在集群上运行程序
（1） 启动集群，通过jps命令查看master，slave上启动的服务列表，结果如下：

（2） 在集群环境下运行该程序jar包（UserNameCount.jar），结果如下：

（3） 查看集群环境下启动程序生成的结果，即output文件，结果如下：

（4） 数据统计结果在part-r-00000中，具体内容如下，

5 附件
源代码如下：
package hadoop;

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.LongWritable;
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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

public class UserNameCount {

public static class UserNameCountMap extends
Mapper {

private final IntWritable one = new IntWritable(1);
private Text word = new Text();

public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer token = new StringTokenizer(line);
while (token.hasMoreTokens()) {
word.set(token.nextToken());
context.write(word, one);
}
}
}

public static class UserNameCountReduce extends
Reducer IntWritable> {

public void reduce(Text key, Iterable values,
Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}

public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = new Job(conf);
job.setJarByClass(UserNameCount.class);
job.setJobName("usernamecount");

job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);

job.setMapperClass(UserNameCountMap.class);
job.setReducerClass(UserNameCountReduce.class);

job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);

FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));

job.waitForCompletion(true);
}
}