hadoop集群单词统计（ssh与web）

准备工作

本文不包含部署过程，请自行搜索教程
请确保已经部署好集群并且可正常启动
准备一个txt测试文件，例如

一、SSH

1.通过ssh连接集群的主节点

2.将刚才的txt文件上传到主机中

我这个软件是finalshell

3.启动集群

start-all.sh

4.上传测试文件

# 创建目录（-p 确保父目录存在）
hdfs dfs -mkdir -p /wordcount/input# 上传本地文件到 HDFS（假设你的数据在本地 /path/to/local/input）
hdfs dfs -put /path/to/local/input/* /wordcount/input/

注意这个目录是集群上的目录，和你本地目录不是一个意思

5.计算

（1）进入mapreduce的目录

（2）注意你想输出的目录是不能存在的，如果已经有了会报错，删掉

hdfs dfs -rm -r /wordcount/output

（3）运行

hadoop jar hadoop-mapreduce-examples-3.3.5.jar wordcount /wordcount/input /wordcount/output

6.结果

hdfs dfs -ls /wordcount/output
hdfs dfs -cat /wordcount/output/part-r-00000

这个part文件你也可以再从集群下载到本地导出

二、web

web就不用ssh连接，都是虚拟机里直接操作

1.启动集群

start-all.sh

2.创建目录并上传文件

（1）打开浏览器，直接进入本地集群

（2）给权限

hdfs dfs -chmod 777 /

(3)创建目录/wordcount/input

可以直接修改权限

（4）input下上传文件

但是可能发现上传失败
看一下记录

这里我们可以看到是想通过2和3节点上传，但是windows不知道这两个节点的ip，所以连接不到，那么给windows系统配置一下

此目录下右键hosts选择属性

用记事本打开
最后面写上ip和名称对应，保存关闭

3.运行

回虚拟机，从刚才创建的目录执行
（1）进入mapreduce的目录

（2）注意你想输出的目录是不能存在的，如果已经有了会报错，删掉

hdfs dfs -rm -r /wordcount/output

（3）运行

hadoop jar hadoop-mapreduce-examples-3.3.5.jar wordcount /wordcount/input /wordcount/output

(4)下载
回到web，刷新一下
点进新的文件夹

下面那个就是结果，直接点击下载

记事本打开直接看结果