指导手册04：运行MapReduce

指导手册04：运行MapReduce

 

Part 1:运行单个MapReduce任务

情景描述：

本次任务要求对HDFS目录中的数据文件/user/root/email_log.txt进行计算处理，统计出第个用户的登录次数。

情景分析：统计出每个用户登录次数，等同于求出每个email出现的次数，可以进一步抽象为统计每个单司出现的频次。在Hadoop官方提供的示例包中，正好有进行记频统计的模块。

1．Hadoop官方的示例程序包

在集群服务器的本地目录”$HADOOP_HOME/share/hadoop/mapreduce/中可发现示例程序包hadoop-mapreduce-examples-2.6.4.jar

模块名称	内容
multifilewc	统计多个文件中单词的数量。
pi	应用quasi-Monte Carlo 算法来估算圆周率π的值。
randomtextwriter	在每个数据节点随机生成1个10GB的文本文件。
wordcount	对输入文件中的单词进行频数统计。
wordmean	计算输入文件中单词的平均长度。
wordmedian	计算输入文件中单词长度的中位数。
wordstandarddeviation	计算输入文件中单词长度的标准差。

2．提交MapReduce任务给集群运行

提交MapReduce任务，通常使用hadoop jar 命令。它的基本用法格式如下

Hadoop jar <jar> [mainClass] args

因为hadoop jar 命令的附带参数较多，下面结合实际任务，对它的各项参数依次进行说明。

例：

[root@maste opt]# hadoop jar  $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-exampes-2.6.4.jar wordcount /user/root/emil_log.txt  /user/root/output （emil_log.txt请参考指导手册03上传）

参数说明：

$HADOOP_HOME：指主机中设置的环境变量

hadoop-mapreduce-exampes-2.6.4.jar ：Hadoop官方提供的示例程序包

wordcount：程序中的主类名称

/user/root/emil_log.txt：HDFS上的输入文件名称

/user/root/output： HDFS上输出的文件目录

3．执行结果查看

Part 2: 管理多个MapReduce任务

情景描述：

Hadoop是一个多任务系统，它可以同时为多个用户、多个作业处理多个数据集。对于提交到Hadoop集群的多个任务，用户如何进行有效管理。比如，想知道集群完成了哪些任务；执行结果是成功还是失败；怎么检查任务的实际执行情况；如果某个任务执行时间过长，怎么中断它。

当用户提交了多个任务后，通常可以使用资源管理器的服务接口，对提交后的任务进行查询。当发现有异常时，可以中断当前作业或查询指定的日志文件。

1．查询MapReduce任务

例：调用Hadoop的示例程序包，采用Qqusi-Monte Carlo算法来估算PI的值。后面两个参数代表Map数量与每个Map的测量次数，参数的值越大，计算出来的结果精度越高。

Hadoop jar  /usr/local/hadoop-2.6.4/share/hadoop/mapredduce/hadoop-mapreduce-example-2.6.2.jar pi  10  100

查看MapReduce任务的计算机资源使用情况：http://master:8088,再单击左侧菜单栏的”Nodes”.

可以看到集群可用内存共有6GB，被使用了5.5G,剩余512MB，CPU核心有3个。

请运行程序，将你的集群信息填写如下：

可用内存	内存使用	剩余内存	CPU核心个数

继续查询当前任务的信息，单击左侧菜单栏中的“Applicatiions”,或者直接访问http://master:8088/cluster/apps显示如下结果。

它的状态值为“RUNNNING”，表示这个任务正执行中。

2．同时提交两个任务，进行观察

示例任务1：统计用户登录次数

[root@maste opt]# hadoop jar  $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-exampes-2.6.4.jar wordcount /user/root/emil_log.txt  /user/root/output1 （emil_log.txt请参考指导手册03上传）

示例任务2：执行估算PI值

[root@maste opt]# Hadoop jar  /usr/local/hadoop-2.6.4/share/hadoop/mapredduce/hadoop-mapreduce-example-2.6.2.jar pi  10  100

提交两个作业后，观察集群上的计算机资源使用情况。

作业0001的状态“RUNNING”，表示它正在执行中。而作业0002的状态是“ACCEPTED”，表示它已被资源管理器YARN接受，目前在等待被分配计算资源，只有当计算资源满足后，才会开始执行。

3．中断MapReduce任务

人为中断第1个作业：点击任务1的ID进入任务1，点击图中Kill Application即可中断该任务。

再次刷新任务界面，可以发现原来的作业1己被中断。