调用MapReduce对文件中各个单词出现次数进行统计_mapreduce统计单词出现次数

一、安装Linux

在Linux系统各个发行版中，CentOS系统和Ubuntu系统在服务端和桌面端使用占比最高，网络上资料最是齐全，所以我们建议使用CentOS系统或Ubuntu。一般来说，如果要做服务器，我们选择CentOS或者Ubuntu Server；如果做桌面系统，我们选择Ubuntu Desktop。但是在学习Hadoop方面，虽然两个系统没有多大区别，但是我们强烈推荐新手读者使用Ubuntu操作系统。(以Ubuntu Kylin 20.04为例)

二、准备工作

2.1 创建Hadoop账户

①　按 ctrl+alt+t 打开终端窗口（或点击桌面右击），输入如下命令创建新用户 :

$ sudo useradd -m hadoop -s /bin/bash 
1

这条命令创建了可以登陆的 hadoop 用户，并使用 /bin/bash 作为 shell。
②　设立新用户Hadoop密码（密码为hadoop）：

$ sudo passwd hadoop
1

③　hadoop用户增加管理员权限：

$ sudo adduser hadoop sudo
1

可为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题。

2.2 更新apt

用 hadoop 用户登录后，先更新一下 apt，后续将使用 apt 安装软件，如果没更新可能有一些软件安装不了。按 ctrl+alt+t 打开终端窗口，执行如下命令：
①　切换hadoop用户

$ sudo su hadoop
1

②　更新vim

$ sudo apt-get update 
1

2.3 安装vim

后续需要更改一些配置文件，这里采用的是 vim（vi增强版，基本用法相同），相对于vi更有辨识度，编辑起来更好用。

$ sudo apt-get install vim
1

安装软件时若需要确认，在提示处输入 y 即可(我这个版本是装系统时自动安装好的)。

2.4 配置SSH

集群、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令），Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server。

$ sudo apt-get install openssh-server
1

安装后，可以使用如下命令登陆本机：

$ ssh localhost
1

此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 hadoop，这样就登陆到本机了。

但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。
首先退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

$ exit                                   # 退出刚才的 ssh localhost
$ cd ~/.ssh/                             # 若没有该目录，请先执行一次ssh localhost
$ ssh-keygen -t rsa                      # 会有提示，都按回车就可以
$ cat ./id_rsa.pub >> ./authorized_keys  # 加入授权
1
2
3
4

此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了，如下图所示。

三、安装Java

3.1 安装JDK

Hadoop3.1.3需要JDK版本在1.8及以上。需要按照下面步骤来自己手动安装JDK1.8。接下来在Linux命令行界面中，执行如下Shell命令（注意：当前登录用户名是hadoop）

$ cd /usr/lib
$ sudo mkdir jvm     #创建/usr/lib/jvm目录用来存放JDK文件
$ cd ~               #进入hadoop用户的主目录
$ cd  ./下载    
1
2
3
4

$ sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm   #把JDK文件解压到/usr/lib/jvm目录下
1

3.2 设置JAVA环境变量

$ cd ~
$ vim ~/.bashrc 或 gedit ~/.bashrc  
1
2

通过vim编辑器或文本编辑器。打开环境变量配置.bashrc文件，在文件开头添加如下几行内容（vim编辑器中，按“i”进去编辑模式，按“:wq”保存并返回终端；gedit 是文本编辑器，类似于 Windows 中的记事本，会比较方便。保存后记得关掉整个 gedit 程序，否则会占用终端）：

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH
1
2
3
4

然后，继续执行如下命令让.bashrc文件的配置立即生效：

source ~/.bashrc
1

利用Java -version命令验证(若返回如下信息，则代表JAVA环境配置成功)：

四、安装Hadoop

4.1 配置环境变量和进行伪分布式操作

Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。
使用vim ~/.bashrc 或 gedit ~/.bashrc 设置环境变量，保存后用source ~/.bashrc命令生效。该环境变量如下：

export HADOOP_HOME=/usr/local/hadoop
export HADOOP_INSTALL=$HADOOP_HOME
export HADOOP_MAPRED_HOME=$HADOOP_HOME
export HADOOP_COMMON_HOME=$HADOOP_HOME
export HADOOP_HDFS_HOME=$HADOOP_HOME
export YARN_HOME=$HADOOP_HOME
export HADOOP_COMMON_LIB_NATIVE_DIR=$HADOOP_HOME/lib/native
export PATH=$PATH:$HADOOP_HOME/sbin:$HADOOP_HOME/bin
1
2
3
4
5
6
7
8

利用cd命令转到配置三个文件下：

$ cd /usr/local/hadoop/etc/hadoop/
1

开始配置core-site.xml 和 hdfs-site.xml。首先对core-site.xml进行修改
vim core-site.xml
在配置文件中找到下面这个标签对

<configuration>
</configuration>
1
2

修改为下面配置：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    
1
2
3
4
5
6
7
8
9