大数据开发:flume上传HDFS

Posted 2021-03-08 梦想与爱

1. 开启hadoop:start-dfs.sh

2. 通过浏览器访问node节点，http://IP:50070

   检查

   • (如果无法访问，将防火墙关闭)
   • 如果jps查看缺少了某个节点，首先查看xml文件是否正确，如果正确，删除hadoop/tmp文件夹，然后再次格式化，（格式化会重新创建hadoop/tmp），再次启动

3. 操作分布式文件存储系统HDFS

   • 查看hdfs中的文件内容 hadoop fs -ls /

   • 查看hdfs中的详细内容hadoop fs -ls /

   • 在HDFS中创建文件夹hadoop fs -mkdir /flume

   • Flume上传数据到HDFS中

     • 解压flume

     • 将flume文件下得conf中flume-env.ps1.template复制一份，改为flume-env.ps1

     • 修改conf下得log4j.properties文件，在文件末尾修改，改后结果为：flume.root.logger=INFO,console

     • 找到hadoop安装包，从安装包中找到相关jar包，放入到flume的lib下

     • 下载hadoop-common-2.2.0bin-master

       ​ HADOOP_HOME ：E:\\大数据学习\\hadoop-common-2.2.0-bin-masterPath 配置路径

       ​ Path:%HADOOP_HOME%\\bin %HADOOP_HOME%\\sbin

     • 给hdfs/flume权限(可以操作权限):hadoop fs -chmod 777 /flume

4. Hadoop运行机制

查看数据片内容：hadoop fs -cat /flume/events-.1582198102809

5. MapReduce流程图

4. 编写java文件，设置数据清洗规则

	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

		Configuration conf = new Configuration();
		// 定义一个文件夹路径  用于存储计算分析后的可用数据
		Path outputPath = new Path("hdfs://192.168.159.1:8020/flume/output");
		//判断新路径是否已经存在 
		FileSystem fileSystem =FileSystem.get(conf);
		if(fileSystem.exists(outputPath)) { //如果存在 先删除再创建
			fileSystem.delete(outputPath,true);
		}
		
		Job job = Job.getInstance(conf,"Demo");
		job.setJarByClass(Demo.class);
		
		// 源目录   从hdfs读下来 放到 map中  在map中清洗数据
		FileInputFormat.setInputPaths(job, new org.apache.hadoop.fs.Path("hdfs://192.168.159.1:8020/flume"));
		//！！！！从虚拟机里读取文件，清洗后放入hdfs中  file:
		//FileInputFormat.setInputPaths(job, new Path("file:/action-data/contest/online_retailers"));
		
		job.setMapperClass(MapOne.class);//第一个门卫
		job.setMapOutputKeyClass(Text.class);//想要通过的人
		job.setMapOutputValueClass(LongWritable.class);//通行证上面的戳
		// 把map的数据导入reduce中
		job.setReducerClass(ReduceOne.class);//第二个门卫
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(LongWritable.class);
		//把reduce中 通过清洗的数据 导回指定目录
		FileOutputFormat.setOutputPath(job, new org.apache.hadoop.fs.Path("hdfs://192.168.159.1:8020/flume/output"));
		//sqoop配置mysql
		boolean flag = job.waitForCompletion(true);
		
		System.exit(flag?0:1);
	}

Map

public class MapOne extends Mapper<LongWritable,Text,Text,LongWritable>{

	@Override
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, 	LongWritable>.Context context)
			throws IOException, InterruptedException {
		String line = value.toString();
		String[] infos = line.split("#");
		System.out.println(infos[1].toString()+"************---**************");
		if(infos!=null &&infos.length>0) {
			String info=infos[1];
			String[] strs = info.split(":");
			System.out.println(strs.toString()+"***********分分***************");
			if(strs!=null &&strs.length>0) {
				double score=Double.parseDouble(strs[1]);
				if(score>=8) {//说明 这条数据的电影评分 不小于8分
					//然后使用mapper这个父类的write方法 将本条数据通过，并发往下一环节
					context.write(new Text(line), new LongWritable(0));
				}
			}
		}
	}
}

reduce

public class ReduceOne extends Reducer<Text, LongWritable, Text, LongWritable> {
    @Override
    protected void reduce(Text key, Iterable<LongWritable> values,
            Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws 	IOException, InterruptedException {
        context.write(key, new LongWritable(0));
    }
}

所需要的jar包

---

1. 将java项目导出为jar包
2. 导入到linux有权限操作的目录下
3. 运行命令 hadoop jar hadooptest.jar demo.Demo
4. 查看：hadoop fs -ls -R /
5. 查看具体数据 hadoop fs -cat /flume/output/part-r-00000