一、实验背景​

对于学习 Hadoop 大数据技术的开发者而言，MapReduce 作为 Hadoop 核心计算框架，是理解分布式计算思想的关键。而 WordCount 作为 MapReduce 最经典的入门案例，能直观展现 “分治” 理念 —— 通过 Map 阶段拆分数据、Reduce 阶段聚合结果，帮助初学者快速掌握 MapReduce 的完整运行机制。​

本文将基于 Hadoop 官方文档提供的 WordCount Example 代码，以 “step-by-step” 的形式记录实验全过程，从环境准备到最终运行，确保新手也能顺利复现实验，加深对 MapReduce 工作流程的理解。​

二、所需环境清单​

为保证实验稳定性，建议使用以下版本的软件环境（版本不匹配可能导致兼容性问题）：​

• 虚拟化软件：Vmware Workstation 17​

• 操作系统：Ubuntu 18.04 LTS（长期支持版，兼容性更佳）​

• Java 环境：JDK 1.8（Hadoop 3.x 系列推荐依赖版本）​

• Hadoop 版本：Hadoop 3.3.5（单机模式，适合入门实验）​

• 远程连接工具：Finalshell（用于便捷操作 Ubuntu 虚拟机）

三、实验详细步骤​

步骤 1：导入 HADOOP MASTER 虚拟机（OVF 格式）​

首先需获取提前配置好的 HADOOP MASTER 虚拟机镜像（OVF 格式为通用虚拟机导出格式，包含虚拟机磁盘与配置信息）

步骤2：启动虚拟机和hadoop服务（单机版）

单机版  修改  hdfs-site.xml 中  dfs.replication 的值为1

运行 start-all.sh  启动hadoop，并检查可用性

通过 windows的浏览器 访问  虚拟机ip:9870

(注：如果不能访问，检查防火墙，虚拟网卡vmnet8)

可以看到  live nodes 一行  有一个  1 ，表示有1台可用。

步骤3：写程序

参考官网wordcount example代码

地址：https://hadoop.apache.org/docs/r3.3.6/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html#Example:_WordCount_v1.0

import java.io.IOException;
import java.util.StringTokenizer;

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.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 WordCount {

  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

需要用到 finalshell， 把代码录入 虚拟机中，保存一个程序，名为WordCount.java

步骤4：准备环境变量

编辑  ~/.bashrc

生效   Source ~/.bashrc

步骤5：程序编译和打包

步骤6： HDFS创建测试文件和目录

创建 输入文件  file01  file02

上传  file0*  到  hdfs的目录中

步骤7：运行 wordcount程序

hadoop jar wc.jar WordCount /wc/input /wc/output

出错1：output已经存在

问题：  output提早创建了，程序不能创建，报错。

解决：  先删除 output

出错2：classpath 路径丢失

运行 hadoop classpath  

修改  yarn-site.xml

步骤8：运行成功

检查输出

也可以在浏览器查看文件

下载的时候 需要 把 master 改为 虚拟机ip地址

感谢阅读，希望对你有帮助哦！