本文主要是介绍大数据技术之_05_Hadoop学习_04_MapReduce_Hadoop企业优化+HDFS小文件优化方法+MapReduce扩展案例+倒排索引案例(多job串联)+TopN案例+找博客案例，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
大数据技术之_05_Hadoop学习_04_MapReduce
- 第6章 Hadoop企业优化（重中之重）
- 6.1 MapReduce 跑的慢的原因
- 6.2 MapReduce优化方法
- 6.2.1 数据输入
- 6.2.2 Map阶段
- 6.2.3 Reduce阶段
- 6.2.4 I/O传输
- 6.2.5 数据倾斜问题
- 6.2.6 常用的调优参数
- 6.3 HDFS小文件优化方法
- 6.3.1 HDFS小文件弊端
- 6.3.2 HDFS小文件解决方案
- 第7章 MapReduce扩展案例
- 7.1 倒排索引案例（多job串联）
- 7.2 TopN案例
- 7.3 找博客共同粉丝案例
- 第8章 常见错误及解决方案
第6章 Hadoop企业优化（重中之重）
6.1 MapReduce 跑的慢的原因
[外链图片转存失败(img-dpqE4AtA-1562298828595)(https://s2.ax1x.com/2019/02/20/kRiBEn.png)]
6.2 MapReduce优化方法
MapReduce优化方法主要从六个方面考虑：数据输入、Map阶段、Reduce阶段、IO传输、数据倾斜问题和常用的调优参数。
6.2.1 数据输入
6.2.2 Map阶段
[外链图片转存失败(img-shQMMTWo-1562298828597)(https://s2.ax1x.com/2019/02/20/kRir40.png)]
6.2.3 Reduce阶段
[外链图片转存失败(img-JFRLNu8D-1562298828597)(https://s2.ax1x.com/2019/02/20/kRiDNq.png)]
[外链图片转存失败(img-d0RJ80q0-1562298828597)(https://s2.ax1x.com/2019/02/20/kRiwHs.png)]
6.2.4 I/O传输
6.2.5 数据倾斜问题
[外链图片转存失败(img-Ebtw4v9h-1562298828598)(https://s2.ax1x.com/2019/02/20/kRiWDJ.png)]
6.2.6 常用的调优参数
1、资源相关参数
（1）以下参数是在用户自己的MR应用程序中配置就可以生效（mapred-default.xml）
[外链图片转存失败(img-gSkrzR9Z-1562298828598)(https://s2.ax1x.com/2019/02/20/kRicgU.png)]
（2）应该在YARN启动之前就配置在服务器的配置文件中才能生效（yarn-default.xml）
[外链图片转存失败(img-moX35UEj-1562298828598)(https://s2.ax1x.com/2019/02/20/kRigvF.png)]
（3）Shuffle性能优化的关键参数，应在YARN启动之前就配置好（mapred-default.xml）
[外链图片转存失败(img-YvNrOdth-1562298828598)(https://s2.ax1x.com/2019/02/20/kRi4ER.png)]
2、容错相关参数(MapReduce性能优化)
[外链图片转存失败(img-2YeSz33k-1562298828598)(https://s2.ax1x.com/2019/02/20/kRifb9.png)]
6.3 HDFS小文件优化方法
6.3.1 HDFS小文件弊端
HDFS上每个文件都要在NameNode上建立一个索引，这个索引的大小约为150byte，这样当小文件比较多的时候，就会产生很多的索引文件，一方面会大量占用NameNode的内存空间，另一方面就是索引文件过大使得索引速度变慢。
6.3.2 HDFS小文件解决方案
小文件的优化无非以下几种方式：
（1）在数据采集的时候，就将小文件或小批数据合成大文件再上传HDFS。
（2）在业务处理之前，在HDFS上使用MapReduce程序对小文件进行合并。
（3）在MapReduce处理时，可采用CombineTextInputFormat提高效率。
[外链图片转存失败(img-9hC5v0UA-1562298828598)(https://s2.ax1x.com/2019/02/20/kRiTC6.png)]
[外链图片转存失败(img-wFYJ8zhM-1562298828599)(https://s2.ax1x.com/2019/02/20/kRi78K.png)]
第7章 MapReduce扩展案例
7.1 倒排索引案例（多job串联）
1、需求
有大量的文本（文档、网页），需要建立搜索索引，如下图所示。
（1）数据输入
（2）期望输出数据
atguigu c.txt-->2 b.txt-->2 a.txt-->3
pingping c.txt-->1 b.txt-->3 a.txt-->1
ss c.txt-->1 b.txt-->1 a.txt-->2
2、需求分析
3、第一次处理
（1）第一次处理，编写OneIndexMapper类
package com.atguigu.mr.index;import java.io.IOException;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;public class OneIndexMapper extends Mapper<LongWritable, Text, Text, IntWritable> {String name;Text k = new Text();IntWritable v = new IntWritable();@Overrideprotected void setup(Context context)throws IOException, InterruptedException {// 获取文件名称FileSplit split = (FileSplit) context.getInputSplit();name = split.getPath().getName();}@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {// atguigu pingping// 1、获取一行数据String line = value.toString();// 2、切割String[] fields = line.split(" ");for (String word : fields) {// 3、拼接k.set(word + "---" + name); // atguigu---a.txtv.set(1);// 4、写出context.write(k, v); // <atguigu---a.txt,1>}}
}
（2）第一次处理，编写OneIndexReducer类
package com.atguigu.mr.index;import java.io.IOException;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class OneIndexReducer extends Reducer<Text, IntWritable, Text, IntWritable> {IntWritable v = new IntWritable();@Overrideprotected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {// 1、累加求和int sum = 0;for (IntWritable value : values) {sum += value.get();}v.set(sum);// 2、写出context.write(key, v);}
}
（3）第一次处理，编写OneIndexDriver类
package com.atguigu.mr.index;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class OneIndexDriver {public static void main(String[] args) throws Exception {// 输入输出路径需要根据自己电脑上实际的输入输出路径设置args = new String[] { "d:/temp/atguigu/0529/input/inputoneindex", "d:/temp/atguigu/0529/output17" };Configuration conf = new Configuration();Job job = Job.getInstance(conf);job.setJarByClass(OneIndexDriver.class);job.setMapperClass(OneIndexMapper.class);job.setReducerClass(OneIndexReducer.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(IntWritable.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.setInputPaths(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));job.waitForCompletion(true);}
}
（4）查看第一次输出结果
atguigu---a.txt 3
atguigu---b.txt 2
atguigu---c.txt 2
pingping---a.txt 1
pingping---b.txt 3
pingping---c.txt 1
ss---a.txt 2
ss---b.txt 1
ss---c.txt 1
4、第二次处理
（1）第二次处理，编写TwoIndexMapper类
package com.atguigu.mr.index;import java.io.IOException;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;public class TwoIndexMapper extends Mapper<LongWritable, Text, Text, Text> {Text k = new Text();Text v = new Text();@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {// 输入为：// atguigu--a.txt 3// atguigu--b.txt 2// atguigu--c.txt 2// 输出为：(atguigu,a.txt 3)atguigu c.txt-->2 b.txt-->2 a.txt-->3// 1、获取一行数据String line = value.toString();// 2、用“--”切割String[] fields = line.split("--"); // 结果为：(atguigu,a.txt 3)// 3、封装数据k.set(fields[0]);v.set(fields[1]);// 4、写出context.write(k, v);}
}
（2）第二次处理，编写TwoIndexReducer类
package com.atguigu.mr.index;import java.io.IOException;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class TwoIndexReducer extends Reducer<Text, Text, Text, Text> {Text v = new Text();@Overrideprotected void reduce(Text key, Iterable<Text> values, Context context)throws IOException, InterruptedException {// 输入为：(atguigu,a.txt 3)(atguigu,b.txt 2)(atguigu,c.txt 2)// 输出为：atguigu c.txt-->2 b.txt-->2 a.txt-->3StringBuffer sb = new StringBuffer();// 拼接for (Text value : values) {sb.append(value.toString().replace("\t", "-->") + "\t");}// 封装v.set(sb.toString());// 写出context.write(key, v);}
}
（3）第二次处理，编写TwoIndexDriver类
package com.atguigu.mr.index;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class TwoIndexDriver {public static void main(String[] args) throws Exception {// 输入输出路径需要根据自己电脑上实际的输入输出路径设置args = new String[] { "d:/temp/atguigu/0529/input/inputtowindex", "d:/temp/atguigu/0529/output18" };Configuration config = new Configuration();Job job = Job.getInstance(config);job.setJarByClass(TwoIndexDriver.class);job.setMapperClass(TwoIndexMapper.class);job.setReducerClass(TwoIndexReducer.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(Text.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(Text.class);FileInputFormat.setInputPaths(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));boolean result = job.waitForCompletion(true);System.exit(result ? 0 : 1);}
}
（4）第二次查看最终结果
atguigu c.txt-->2 b.txt-->2 a.txt-->3
pingping c.txt-->1 b.txt-->3 a.txt-->1
ss c.txt-->1 b.txt-->1 a.txt-->2
7.2 TopN案例
1、需求
对需求2.3输出结果进行加工，输出流量使用量在前10的用户信息。
（1）输入数据 （2）输出数据
[外链图片转存失败(img-vviDipWg-1562298828600)(https://s2.ax1x.com/2019/02/20/kRiI4x.png)]
2、需求分析
同上图。
3、实现代码
（1）编写FlowBean类
package com.atguigu.mr.topn;import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;import org.apache.hadoop.io.WritableComparable;public class FlowBean implements WritableComparable<FlowBean> {private long upFlow; // 上行流量private long downFlow; // 下行流量private long sumFlow; // 总流量public FlowBean() {super();}public FlowBean(long upFlow, long downFlow) {super();this.upFlow = upFlow;this.downFlow = downFlow;}@Overridepublic void write(DataOutput out) throws IOException {out.writeLong(upFlow);out.writeLong(downFlow);out.writeLong(sumFlow);}@Overridepublic void readFields(DataInput in) throws IOException {this.upFlow = in.readLong();this.downFlow = in.readLong();this.sumFlow = in.readLong();}public long getUpFlow() {return upFlow;}public void setUpFlow(long upFlow) {this.upFlow = upFlow;}public long getDownFlow() {return downFlow;}public void setDownFlow(long downFlow) {this.downFlow = downFlow;}public long getSumFlow() {return sumFlow;}public void setSumFlow(long sumFlow) {this.sumFlow = sumFlow;}@Overridepublic String toString() {return upFlow + "\t" + downFlow + "\t" + sumFlow;}public void set(long downFlow2, long upFlow2) {downFlow = downFlow2;upFlow = upFlow2;sumFlow = downFlow2 + upFlow2;}@Overridepublic int compareTo(FlowBean bean) {int result;// 按照总流量大小，倒序排列if (this.sumFlow > bean.getSumFlow()) {result = -1;} else if (this.sumFlow < bean.getSumFlow()) {result = 1;} else {result = 0;}return result;}
}
（2）编写TopNMapper类
package com.atguigu.mr.topn;import java.io.IOException;
import java.util.Iterator;
import java.util.TreeMap;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;public class TopNMapper extends Mapper<LongWritable, Text, FlowBean, Text> {// 定义一个TreeMap作为存储数据的容器（天然按key排序，降序）private TreeMap<FlowBean, Text> flowMap = new TreeMap<FlowBean, Text>();private FlowBean kBean;@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {kBean = new FlowBean();Text v = new Text();// 13470253144 180 180 360// 1、获取一行String line = value.toString();// 2、切割String[] fields = line.split("\t");// 3、封装数据String phoneNum = fields[0];long upFlow = Long.parseLong(fields[1]);long downFlow = Long.parseLong(fields[2]);long sumFlow = Long.parseLong(fields[3]);kBean.setUpFlow(upFlow);kBean.setDownFlow(downFlow);kBean.setSumFlow(sumFlow);v.set(phoneNum);// 4、向TreeMap中添加数据flowMap.put(kBean, v);// 5、限制TreeMap的数据量，超过10条就删除掉流量最小的一条数据if (flowMap.size() > 10) {// flowMap.remove(flowMap.firstKey()); // 升序删除第一个flowMap.remove(flowMap.lastKey()); // 降序删除最后一个}}@Overrideprotected void cleanup(Context context) throws IOException, InterruptedException {// 6、遍历TreeMap集合，输出数据Iterator<FlowBean> bean = flowMap.keySet().iterator();while (bean.hasNext()) {FlowBean k = bean.next();context.write(k, flowMap.get(k));}}
}
（3）编写TopNReducer类
package com.atguigu.mr.topn;import java.io.IOException;
import java.util.Iterator;
import java.util.TreeMap;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class TopNReducer extends Reducer<FlowBean, Text, Text, FlowBean> {// 定义一个TreeMap作为存储数据的容器（天然按key排序）TreeMap<FlowBean, Text> flowMap = new TreeMap<FlowBean, Text>();@Overrideprotected void reduce(FlowBean key, Iterable<Text> values, Context context)throws IOException, InterruptedException {for (Text value : values) {FlowBean bean = new FlowBean();bean.set(key.getDownFlow(), key.getUpFlow());// 1、向treeMap集合中添加数据flowMap.put(bean, new Text(value));// 2、限制TreeMap数据量，超过10条就删除掉流量最小的一条数据if (flowMap.size() > 10) {// flowMap.remove(flowMap.firstKey()); // 升序删除第一个flowMap.remove(flowMap.lastKey()); // 降序删除最后一个}}}@Overrideprotected void cleanup(Reducer<FlowBean, Text, Text, FlowBean>.Context context)throws IOException, InterruptedException {// 3、遍历集合，输出数据Iterator<FlowBean> bean = flowMap.keySet().iterator();while (bean.hasNext()) {FlowBean v = bean.next();context.write(new Text(flowMap.get(v)), v);}}
}
（4）编写TopNDriver类
package com.atguigu.mr.topn;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class TopNDriver {public static void main(String[] args) throws Exception {args = new String[] { "d:/temp/atguigu/0529/input/inputtopn", "d:/temp/atguigu/0529/output20" };// 1、获取配置信息，或者job对象实例Configuration configuration = new Configuration();Job job = Job.getInstance(configuration);// 6、指定本程序的jar包所在的本地路径job.setJarByClass(TopNDriver.class);// 2、指定本业务job要使用的mapper/reducer业务类job.setMapperClass(TopNMapper.class);job.setReducerClass(TopNReducer.class);// 3、指定mapper输出数据的kv类型job.setMapOutputKeyClass(FlowBean.class);job.setMapOutputValueClass(Text.class);// 4、指定最终输出的数据的kv类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(FlowBean.class);// 5、指定job的输入原始文件所在目录FileInputFormat.setInputPaths(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));// 7、将job中配置的相关参数，以及job所用的java类所在的jar包， 提交给yarn去运行boolean result = job.waitForCompletion(true);System.exit(result ? 0 : 1);}
}
7.3 找博客共同粉丝案例
1、需求
以下是博客的粉丝列表数据，冒号前是一个用户，冒号后是该用户的所有粉丝（数据中的粉丝关系是单向的）
求出哪些人两两之间有共同粉丝，及他俩的共同粉丝都有谁？
（1）数据输入
A:B,C,D,F,E,O
B:A,C,E,K
C:F,A,D,I
D:A,E,F,L
E:B,C,D,M,L
F:A,B,C,D,E,O,M
G:A,C,D,E,F
H:A,C,D,E,O
I:A,O
J:B,O
K:A,C,D
L:D,E,F
M:E,F,G
O:A,H,I,J
2、需求分析
先求出A、B、C、…等是谁的粉丝
第一次输出结果
A I,K,C,B,G,F,H,O,D,
B A,F,J,E,
C A,E,B,H,F,G,K,
D G,C,K,A,L,F,E,H,
E G,M,L,H,A,F,B,D,
F L,M,D,C,G,A,
G M,
H O,
I O,C,
J O,
K B,
L D,E,
M E,F,
O A,H,I,J,F,
第二次输出结果
A-B E C
A-C D F
A-D E F
A-E D B C
A-F O B C D E
A-G F E C D
A-H E C D O
A-I O
A-J O B
A-K D C
A-L F E D
A-M E F
B-C A
B-D A E
B-E C
B-F E A C
B-G C E A
B-H A E C
B-I A
B-K C A
B-L E
B-M E
B-O A
C-D A F
C-E D
C-F D A
C-G D F A
C-H D A
C-I A
C-K A D
C-L D F
C-M F
C-O I A
D-E L
D-F A E
D-G E A F
D-H A E
D-I A
D-K A
D-L E F
D-M F E
D-O A
E-F D M C B
E-G C D
E-H C D
E-J B
E-K C D
E-L D
F-G D C A E
F-H A D O E C
F-I O A
F-J B O
F-K D C A
F-L E D
F-M E
F-O A
G-H D C E A
G-I A
G-K D A C
G-L D F E
G-M E F
G-O A
H-I O A
H-J O
H-K A C D
H-L D E
H-M E
H-O A
I-J O
I-K A
I-O A
K-L D
K-O A
L-M E F
3、代码实现
（1）第一次Mapper类
package com.atguigu.mr.friends;import java.io.IOException;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;public class OneShareFriendsMapper extends Mapper<LongWritable, Text, Text, Text>{Text k = new Text();Text v = new Text();@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {// A:B,C,D,F,E,O// 1、获取一行String line = value.toString();// 2、切割String[] fields = line.split(":");// 3、获取用户和用户的粉丝String user = fields[0]; // person = AString[] friends = fields[1].split(","); // firends = [B, C, D, F, E, O]// 封装v.set(user);// 4、写出去for (String friend : friends) {k.set(friend);context.write(k, v); // <粉丝,用户> <B,A><C,A><D,A>}}
}
（2）第一次Reducer类
package com.atguigu.mr.friends;import java.io.IOException;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class OneShareFriendsReducer extends Reducer<Text, Text, Text, Text> {Text v = new Text();@Overrideprotected void reduce(Text key, Iterable<Text> values, Context context)throws IOException, InterruptedException {StringBuffer sb = new StringBuffer();// <B,A><C,A><D,A>// 1、拼接for (Text user : values) {sb.append(user).append(","); // }v.set(sb.toString());// 2、写出context.write(key, v); // A I,K,C,B,G,F,H,O,D,}
}
（3）第一次Driver类
package com.atguigu.mr.friends;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class OneShareFriendsDriver {public static void main(String[] args) throws Exception {// 0、根据自己电脑路径重新配置args = new String[] { "d:/temp/atguigu/0529/input/inputfriend", "d:/temp/atguigu/0529/output21" };// 1、获取job对象Configuration configuration = new Configuration();Job job = Job.getInstance(configuration);// 2、指定jar包运行的路径job.setJarByClass(OneShareFriendsDriver.class);// 3、指定map/reduce使用的类job.setMapperClass(OneShareFriendsMapper.class);job.setReducerClass(OneShareFriendsReducer.class);// 4、指定map输出的数据类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(Text.class);// 5、指定最终输出的数据类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(Text.class);// 6、指定job的输入原始所在目录FileInputFormat.setInputPaths(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));// 7、提交boolean result = job.waitForCompletion(true);System.exit(result ? 0 : 1);}
}
（4）第二次Mapper类
package com.atguigu.mr.friends;import java.io.IOException;
import java.util.Arrays;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;public class TwoShareFriendsMapper extends Mapper<LongWritable, Text, Text, Text> {@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {// A I,K,C,B,G,F,H,O,D,// 粉丝 用户，用户，用户// 1、获取一行String line = value.toString();// 2、切割String[] friend_users = line.split("\t");// AString friend = friend_users[0];// I,K,C,B,G,F,H,O,D,String[] users = friend_users[1].split(",");Arrays.sort(users); // B,C,D,F,G,H,I,K,Ofor (int i = 0; i < users.length - 1; i++) {for (int j = i + 1; j < users.length; j++) {context.write(new Text(users[i] + "-" + users[j]), new Text(friend));}}}
}
（5）第二次Reducer类
package com.atguigu.mr.friends;import java.io.IOException;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class TwoShareFriendsReducer extends Reducer<Text, Text, Text, Text> {@Overrideprotected void reduce(Text key, Iterable<Text> values,Context context)throws IOException, InterruptedException {StringBuffer sb = new StringBuffer();for (Text friend : values) {sb.append(friend).append(" ");}context.write(key, new Text(sb.toString()));}
}
（6）第二次Driver类
package com.atguigu.mr.friends;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class TwoShareFriendsDriver {public static void main(String[] args) throws Exception {// 0、根据自己电脑路径重新配置args = new String[] { "d:/temp/atguigu/0529/input/inputfriends", "d:/temp/atguigu/0529/output22" };// 1、获取job对象Configuration configuration = new Configuration();Job job = Job.getInstance(configuration);// 2、指定jar包运行的路径job.setJarByClass(TwoShareFriendsDriver.class);// 3、指定map/reduce使用的类job.setMapperClass(TwoShareFriendsMapper.class);job.setReducerClass(TwoShareFriendsReducer.class);// 4、指定map输出的数据类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(Text.class);//// 5、指定最终输出的数据类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(Text.class);// 6、指定job的输入原始所在目录FileInputFormat.setInputPaths(job, new Path(args[0]));FileOutputFormat.setOutputPath(job, new Path(args[1]));// 7、提交boolean result = job.waitForCompletion(true);System.exit(result ? 0 : 1);}
}
第8章 常见错误及解决方案
1）导包容易出错。尤其Text和CombineTextInputFormat。
2）Mapper中第一个输入的参数必须是LongWritable或者NullWritable，不可以是IntWritable，报的错误是类型转换异常。
3）java.lang.Exception: java.io.IOException: Illegal partition for 13926435656(4)，说明Partition和ReduceTask个数没对上，调整ReduceTask个数。
4）如果分区数不是1，但是reducetask为1，是否执行分区过程。
答案是：不执行分区过程。因为在MapTask的源码中，执行分区的前提是先判断ReduceNum个数是否大于1。不大于1肯定不执行。
5）在Windows环境编译的jar包导入到Linux环境中运行：
hadoop jar wc.jar com.atguigu.mapreduce.wordcount.WordCountDriver /user/atguigu/ /user/atguigu/output
报如下错误：
Exception in thread "main" java.lang.UnsupportedClassVersionError: com/atguigu/mapreduce/wordcount/WordCountDriver : Unsupported major.minor version 52.0
原因是Windows环境用的jdk1.7，Linux环境用的jdk1.8。
解决方案：统一jdk版本。
6）缓存pd.txt小文件案例中，报找不到pd.txt文件
原因：大部分为路径书写错误。还有就是要检查pd.txt.txt的问题。还有个别电脑写相对路径找不到pd.txt，可以修改为绝对路径。
7）报类型转换异常。
通常都是在驱动函数中设置Map输出和最终输出时编写错误。
Map输出的key如果没有排序，也会报类型转换异常。
8）集群中运行wc.jar时出现了无法获得输入文件。
原因：WordCount案例的输入文件不能放在 HDFS 集群的根目录。
9）出现了如下相关异常
Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Zat org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Native Method)at org.apache.hadoop.io.nativeio.NativeIO$Windows.access(NativeIO.java:609)at org.apache.hadoop.fs.FileUtil.canRead(FileUtil.java:977)
java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.at org.apache.hadoop.util.Shell.getQualifiedBinPath(Shell.java:356)at org.apache.hadoop.util.Shell.getWinUtilsPath(Shell.java:371)at org.apache.hadoop.util.Shell.<clinit>(Shell.java:364)
解决方案一：拷贝hadoop.dll文件(文件位置：D:\work\Hadoop\hadoop-2.7.2\bin)到Windows目录C:\Windows\System32。个别同学电脑还需要修改Hadoop源码。
解决方案二：创建如下包名，并将NativeIO.java拷贝到该包名下
10）自定义Outputformat时，注意在RecordWirter中的close()方法必须关闭流资源。否则输出的文件内容中数据为空。
@Overridepublic void close(TaskAttemptContext context) throws IOException, InterruptedException {if (atguigufos != null) {atguigufos.close();}if (otherfos != null) {otherfos.close();}}
我的GitHub地址：https://github.com/heizemingjun
我的博客园地址：https://www.cnblogs.com/chenmingjun
我的蚂蚁笔记博客地址：https://blog.leanote.com/chenmingjun
Copyright ©2018~2019 黑泽君
【转载文章务必保留出处和署名，谢谢！】
这篇关于大数据技术之_05_Hadoop学习_04_MapReduce_Hadoop企业优化+HDFS小文件优化方法+MapReduce扩展案例+倒排索引案例(多job串联)+TopN案例+找博客案例的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
