编译并运行MapReduce应用

以下是一个简单的步骤指南，用于编译和运行一个基本的MapReduce应用，我们将使用Hadoop MapReduce框架作为示例。

步骤1：准备环境

确保你已经安装了Java开发工具包（JDK）和Hadoop，你需要有一个文本文件作为输入数据，以及一个包含MapReduce任务的Java类。

步骤2：编写MapReduce程序

创建一个名为WordCount.java的文件，并编写以下代码：

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.Reducer;
import org.apache.hadoop.mapreduce.Job;
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<LongWritable, Text, Text, IntWritable> {
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();
        public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String[] tokens = value.toString().split("\s+");
            for (String token : tokens) {
                word.set(token);
                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 {
        Job job = Job.getInstance();
        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);
    }
}

步骤3：编译MapReduce程序

在命令行中，导航到包含WordCount.java文件的目录，然后执行以下命令来编译程序：

$ javac classpathhadoop classpath WordCount.java

这将生成一个名为WordCount.class的文件。

步骤4：运行MapReduce程序

你可以运行编译好的MapReduce程序，假设你的输入数据位于HDFS上的/input目录，输出结果将写入/output目录，执行以下命令：

$ hadoop jar WordCount.jar WordCount /input /output

等待程序完成运行，完成后，你可以在HDFS上查看/output目录以获取结果。