6.0 MapReduce 使用
分类 编程
在学习了之前的 MapReduce 概念之后，我们应该已经知道什么是 Map 和 Reduce，并了解了他们的工作方式。
本章将学习如何使用 MapReduce。
Word Count
Word Count 就是"词语统计"，这是 MapReduce 工作程序中最经典的一种。它的主要任务是对一个文本文件中的词语作归纳统计，统计出每个出现过的词语一共出现的次数。
Hadoop 中包含了许多经典的 MapReduce 示例程序，其中就包含 Word Count。
注意：这个案例在 HDFS 不运行的状态下依然可以运行，所以我们先在单机模式下测试
首先，启动一个之前制作的 hadoop_proto 镜像的新容器：
docker run -d --name=word_count hadoop_proto
进入容器：
docker exec -it word_count bash
进入 HOME 目录：
cd ~
现在我们准备一份文本文件 input.txt：
I love runoob I like runoob I love hadoop I like hadoop
将以上内容用文本编辑器保存。
执行 MapReduce：
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.4.jar wordcount input.txt output
解释一下含义：
hadoop jar从 jar 文件执行 MapReduce 任务，之后跟着的是示例程序包的路径。
wordcount表示执行示例程序包中的 Word Count 程序，之后跟这两个参数，第一个是输入文件，第二个是输出结果的目录名（因为输出结果是多个文件）。
执行之后，应该会输出一个文件夹 output，在这个文件夹里有两个文件：_SUCCESS 和 part-r-00000。
其中 _SUCCESS 只是用于表达执行成功的空文件，part-r-00000 则是处理结果，当我们显示一下它的内容：
cat ~/output/part-r-00000
你应该可以看到如下信息：
I 4 hadoop 2 like 2 love 2 runoob 2
集群模式
现在我们在集群模式下运行 MapReduce。
启动在上一章配置好的集群容器：
docker start nn dn1 dn2
进入 NameNode 容器：
docker exec -it nn su hadoop
进入 HOME：
cd ~
编辑 input.txt：
I love runoob I like runoob I love hadoop I like hadoop
启动 HDFS：
start-dfs.sh
创建目录：
hadoop fs -mkdir /wordcount hadoop fs -mkdir /wordcount/input
上传 input.txt
hadoop fs -put input.txt /wordcount/input/
执行 Word Count：
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.4.jar wordcount /wordcount/input /wordcount/output
查看执行结果：
hadoop fs -cat /wordcount/output/part-r-00000
如果一切正常，将会显示以下结果：
I 4 hadoop 2 like 2 love 2 runoob 2
