方维网站后台提示验证码错误,昆明市住房和城乡建设局门户网站,苏州企业建站公司,家装设计一般用什么软件目录
一、前提准备工作
启动hadoop集群
二、实验过程
1.虚拟机安装先设置端口转发
2.上传对应文件
3.编写Java应用程序
4. 编译打包程序
5. 运行程序
三、算法设计和分析
算法设计
算法分析
四、实验总结 实验目的#xff1a;给定一份英文文本#xff0c;统计每个…目录
一、前提准备工作
启动hadoop集群
二、实验过程
1.虚拟机安装先设置端口转发
2.上传对应文件
3.编写Java应用程序
4. 编译打包程序
5. 运行程序
三、算法设计和分析
算法设计
算法分析
四、实验总结 实验目的给定一份英文文本统计每个字符在文本中出现的频率
完成时间2024-4-22
一、前提准备工作
启动hadoop集群 必须已经成功搭建好了hadoop集群打开主节点和子节点全部虚拟机启动hadoop 第一步首先登陆ssh之前设置了无密码登陆因此这里不需要密码再切换目录至/usr/local/hadoop 再启动hadoop如果已经启动hadoop请跳过此步骤。命令如下 ssh localhost
cd /usr/local/hadoop
./sbin/start-dfs.sh 启动成功输入命令jps能看到NameNode,DataNode和SecondaryNameNode都已经成功启动表示hadoop启动成功截图如下 访问web界面 二、实验过程 实验流程图 1.虚拟机安装先设置端口转发 虚拟机设置端口转发SSH使用22端口将虚拟子机的22端口映射到主机的2022端口9870端口是hadoop的web查看端口9864是hadoop提供的下载文件的端口虚拟机机IP地址根据自身实际情况来更改 2.上传对应文件 上传Windows对应的英文文件到Linux虚拟机中去使用scp命令将文件上传到虚拟子机的/tmp目录如图所示 通过ls命令进行查看前后对比发现文本成功上传 ls 3.编写Java应用程序 如果遇到这个问题可以按照这个步骤进行解决 具体情况可参考这篇 彻底解决关于gedit的Unable to init server: Could not connect: Connection refused-CSDN博客 xhost local:gedit
export DISPLAY:0
xhost local:gedit 如图出现non-network local connections being added to access control list表示问题已解决 向该文件中输入完整的程序代码具体如下 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.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.output.FileOutputFormat;public class CharacterCount {// Mapper 类处理输入文件的每一行并将字符逐个传递给 Reducerpublic static class CharMapper extends MapperLongWritable, Text, Text, IntWritable {private final static IntWritable one new IntWritable(1);// map 方法将输入的每一行文本拆分为字符并将每个字符写入上下文public void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {// 将输入行转换为小写以实现不区分大小写String line value.toString().toLowerCase();for (int i 0; i line.length(); i) {char c line.charAt(i);// 检查字符是否为字母或数字如果是则将其写入上下文进行统计if (Character.isLetter(c) || Character.isDigit(c)) {context.write(new Text(String.valueOf(c)), one);}}}}// Reducer 类接收来自 Mapper 的字符统计数据并进行合并public static class CharReducerextends ReducerText, IntWritable, Text, IntWritable {private IntWritable result new IntWritable();// reduce 方法将相同字符的统计数据合并为总数并写入输出上下文public void reduce(Text key, IterableIntWritable values, Context context)throws IOException, InterruptedException {int sum 0;for (IntWritable val : values) {sum val.get();}result.set(sum);context.write(key, result);}}// 主函数设置作业的配置信息并运行 MapReduce 任务public static void main(String[] args) throws Exception {Configuration conf new Configuration();Job job new Job(conf, character count);job.setJarByClass(CharacterCount.class);job.setMapperClass(CharMapper.class);job.setReducerClass(CharReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(args[0])); // 设置输入路径FileOutputFormat.setOutputPath(job, new Path(args[1])); // 设置输出路径System.exit(job.waitForCompletion(true) ? 0 : 1); // 运行作业并等待完成}
}4. 编译打包程序 编译 javac -classpath /usr/local/hadoop/bin/hadoop classpath CharacterCount.java 打包 jar cf CharacterCount.jar *.class 5. 运行程序 在启动Hadoop之后需要首先删除HDFS中与当前Linux用户hadoop对应的input和output目录即HDFS中的“/user/hadoop/input”和“/user/hadoop/output”目录这样确保后面程序运行不会出现问题具体命令如下 cd /usr/local/hadoop
./bin/hdfs dfs -rm -r input
./bin/hdfs dfs -rm -r output 然后再在HDFS中新建与当前Linux用户hadoop对应的input目录即“/user/hadoop/input”目录具体命令如下 cd /usr/local/hadoop
./bin/hdfs dfs -mkdir input 可以打开web进行查看已成功建立input目录 然后把Linux中1.txt此处位于“/tmp”目录下上传到HDFS中的“/user/hadoop/input”目录下命令如下 cd /usr/local/hadoop
./bin/hdfs dfs -put /tmp/1.txt input 可以打开web页面进行查看已成功上传至input目录 HDFS中已经存在目录“/user/hadoop/output”则使用如下命令删除该目录 cd /usr/local/hadoop
./bin/hdfs dfs -rm -r /user/hadoop/output 现在就可以在Linux系统中使用hadoop jar命令运行程序命令如下 cd ~
/usr/local/hadoop/bin/hadoop jar CharacterCount.jar CharacterCount input output统计计结果已经被写入了HDFS的“/user/hadoop/output”目录中可以执行如下命令查看结果 cd /usr/local/hadoop
./bin/hdfs dfs -cat output/* 三、算法设计和分析 算法设计 Mapper阶段 每行文本被分割成字符并且每个字符被映射为键值对 (字符, 1)。在这个阶段我们忽略了非字母和非数字的字符只关注英文字母和数字的统计。 Reducer阶段 Reducer接收到相同字符的键值对列表。它将这些值求和以计算每个字符在整个文本中的出现次数。最后输出结果为 (字符, 出现次数) 的键值对。 算法分析 可扩展性Hadoop MapReduce框架具有良好的可扩展性可以处理大规模数据集。并行处理Map阶段可以并行处理不同的文本行而Reducer阶段可以并行处理不同的字符组。容错性Hadoop提供了自动的任务重试和容错机制以处理节点故障或其他异常情况。局限性这个算法对于包含大量非字母和非数字字符的文本可能不太适用因为它忽略了这些字符导致统计不准确。此外这个实现不考虑分布式环境下的性能优化比如使用Combiner来减少中间数据传输量。 总体而言这个算法在处理大型英文文本时表现良好但在处理非英文文本或需要更精确统计的情况下可能需要进一步改进 四、实验总结 在本次实验中我们使用Hadoop MapReduce框架统计了给定英文文本中每个字符的出现频率整个过程可以分为几个步骤 1. 准备工作启动Hadoop集群并上传所需文件 2. 编写Java应用程序我们编写了一个Java程序其中包括Mapper和Reducer类分别用于处理输入文本和进行字符统计 3. 编译打包程序将Java程序编译成可执行的Jar包 4. 运行程序在Hadoop集群上运行MapReduce任务将输入文本分析并得出结果 5. 算法设计和分析我们设计了一个简单但有效的算法利用MapReduce框架对文本进行字符频率统计并分析了算法的可扩展性、并行处理能力和容错性 总的来说本次实验通过运用Hadoop MapReduce框架成功地统计了英文文本中字符的出现频率。实验流程涵盖了从集群准备到Java程序编写、编译、执行再到算法分析与优化的完整过程。实验不仅验证了MapReduce在分布式环境下处理大数据的高效性和可扩展性也揭示了算法在特定场景下的局限性和潜在优化空间。通过这次实践我们深化了对MapReduce编程模型的理解并积累了宝贵的分布式计算经验
