hadoop入门之统计单词在文件中出现的个数示例

Linux环境：CentOs6.4  

Hadoop版本：hadoop-0.20.2

内容：统计hadoop/bin下的所有文件中单词出现的个数。

所用到的命令有：

复制代码代码如下:
//创建input文件夹
./hadoop fs -mkdir input
//将所有的需要统计单词个数的文件放在input文件夹下
./hadoop fs -put *.sh /input/
//运行wordcount将结果输出到output文件夹下
./hadoop jar hadoop-examples-0.20.2.jar wordcount /input /output
//验证某个单词的个数
grep xxx *.sh
grep xxx *.sh|wc

第一步:确定HDFS、MapReduce、jobTracker等是否正常启动。查看https://www.Vevb.com/softjc/137245.html

第二步：在Hadoop文件系统根目录中创建input文件夹。

执行命令：

打开网页查看input文件夹是否创建成功：

上图表明已经成功。

第三步：将bin目录下的所有文件放到hadoop文件系统的input目录下。

执行命令：

通过浏览器查看input文件夹下是否已经存在所存放的文件。

第四步：执行wordcount命令统计单词个数。

  回到Hadoop文件夹下，找到统计个数的jar包。如图，在hadoop-0.20.2目录下有一个hadoop-0.20.2-examples.jar。

运行命令执行此jar，统计个数。并将输出结果放在output目录下。命令如下:

运行成功。

第五步：验证结果是否正确。通过命令统计某一单词的个数，与MapReduce统计的个数进行对比。

通过命令查看文件中language单词的个数为12个，如图。

查看MapReduce运行结果，如图：

运行结果相同。

附：从过页面查看运行状态