通过hadoop + hive搭建离线式的分析系统之快速搭建一览

　　最近有个需求，需要整合所有店铺的数据做一个离线式分析系统，曾经都是按照店铺分库分表来给各自商家通过highchart多维度展示自家的店铺经营

状况，我们知道这是一个以店铺为维度的切分，非常适合目前的在线业务，这回老板提需求了，曾经也是一位数据分析师，sql自然就溜溜的，所以就来了

一个以买家维度展示用户画像，从而更好的做数据推送和用户行为分析，因为是离线式分析，目前还没研究spark，impala，drill了。

一：搭建hadoop集群

　     hadoop的搭建是一个比较繁琐的过程，采用3台Centos，废话不过多，一图胜千言。。。

二： 基础配置

 1. 关闭防火墙

[root@localhost ~]# systemctl stop firewalld.service    #关闭防火墙[root@localhost ~]# systemctl disable firewalld.service #禁止开机启动[root@localhost ~]# firewall-cmd --state                #查看防火墙状态not running[root@localhost ~]#

2. 配置SSH免登录

　　 不管在开启还是关闭hadoop的时候，hadoop内部都要通过ssh进行通讯，所以需要配置一个ssh公钥免登陆，做法就是将一个centos的公钥copy到另一

台centos的authorized_keys文件中。

     <1>： 在196上生成公钥私钥 ，从下图中可以看到通过ssh-keygen之后会生成 id_rsa 和  id_rsa.pub 两个文件，这里我们

                关心的是公钥id_rsa.pub。

[root@localhost ~]# ssh-keygen -t rsa -P ''Generating public/private rsa key pair.Enter file in which to save the key (/root/.ssh/id_rsa): Created directory '/root/.ssh'.Your identification has been saved in /root/.ssh/id_rsa.Your public key has been saved in /root/.ssh/id_rsa.pub.The key fingerprint is:40:72:cc:f4:c3:e7:15:c9:9f:ee:f8:48:ec:22:be:a1 root@localhost.localdomainThe key's randomart image is:+--[ RSA 2048]----+|    .++    ...   ||     +oo    o.   ||      . + . .. . ||       . + .  o  ||        S .  .   ||           .  .  ||        .   oo   ||       ....o...  ||      E.oo .o..  |+-----------------+[root@localhost ~]# ls /root/.ssh/id_rsa/root/.ssh/id_rsa[root@localhost ~]# ls /root/.sshid_rsa  id_rsa.pub

<2> 通过scp复制命令 将公钥copy到 146 和 150主机。

[root@master ~]# scp /root/.ssh/id_rsa.pub root@192.168.23.146:/root/.ssh/authorized_keysroot@192.168.23.146's password: id_rsa.pub                                                                100%  408     0.4KB/s   00:00    [root@master ~]# scp /root/.ssh/id_rsa.pub root@192.168.23.150:/root/.ssh/authorized_keysroot@192.168.23.150's password: id_rsa.pub                                                                100%  408     0.4KB/s   00:00    [root@master ~]#

<3> 做host映射，主要给几台机器做别名映射，方便管理。

[root@master ~]# cat /etc/hosts127.0.0.1   localhost localhost.localdomain localhost4 localhost4.localdomain4::1         localhost localhost.localdomain localhost6 localhost6.localdomain6192.168.23.196 master192.168.23.150 slave1192.168.23.146 slave2[root@master ~]#

<4> java安装环境 

         hadoop是java写的，所以需要安装java环境，具体怎么安装，大家可以网上搜一下，先把centos自带的openjdk卸载掉，最后在profile中配置一下。

[root@master ~]# cat /etc/profile# /etc/profile# System wide environment and startup programs, for login setup# Functions and aliases go in /etc/bashrc# It's NOT a good idea to change this file unless you know what you# are doing. It's much better to create a custom.sh shell script in# /etc/profile.d/ to make custom changes to your environment, as this# will prevent the need for merging in future updates.pathmunge () {    case ":${PATH}:" in        *:"$1":*)            ;;        *)            if [ "$2" = "after" ] ; then                PATH=$PATH:$1            else                PATH=$1:$PATH            fi    esac}if [ -x /usr/bin/id ]; then    if [ -z "$EUID" ]; then        # ksh workaround        EUID=`id -u`        UID=`id -ru`    fi    USER="`id -un`"    LOGNAME=$USER    MAIL="/var/spool/mail/$USER"fi# Path manipulationif [ "$EUID" = "0" ]; then    pathmunge /usr/sbin    pathmunge /usr/local/sbinelse    pathmunge /usr/local/sbin after    pathmunge /usr/sbin afterfiHOSTNAME=`/usr/bin/hostname 2>/dev/null`HISTSIZE=1000if [ "$HISTCONTROL" = "ignorespace" ] ; then    export HISTCONTROL=ignorebothelse    export HISTCONTROL=ignoredupsfiexport PATH USER LOGNAME MAIL HOSTNAME HISTSIZE HISTCONTROL# By default, we want umask to get set. This sets it for login shell# Current threshold for system reserved uid/gids is 200# You could check uidgid reservation validity in# /usr/share/doc/setup-*/uidgid fileif [ $UID -gt 199 ] && [ "`id -gn`" = "`id -un`" ]; then    umask 002else    umask 022fifor i in /etc/profile.d/*.sh ; do    if [ -r "$i" ]; then        if [ "${-#*i}" != "$-" ]; then             . "$i"        else            . "$i" >/dev/null        fi    fidoneunset iunset -f pathmungeexport JAVA_HOME=/usr/big/jdk1.8export HADOOP_HOME=/usr/big/hadoopexport PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$PATH[root@master ~]#

二： hadoop安装包

   1.  大家可以到官网上找一下安装链接：http://hadoop.apache.org/releases.html， 我这里选择的是最新版的2.9.0，binary安装。

    2.  然后就是一路命令安装【看清楚目录哦。。。没有的话自己mkdir】

[root@localhost big]# pwd/usr/big[root@localhost big]# lshadoop-2.9.0  hadoop-2.9.0.tar.gz[root@localhost big]# tar -xvzf hadoop-2.9.0.tar.gz

  3. 对core-site.xml ,hdfs-site.xml，mapred-site.xml,yarn-site.xml，slaves，hadoop-env.sh的配置，路径都在etc目录下，

      这也是最麻烦的。。。

[root@master hadoop]# pwd/usr/big/hadoop/etc/hadoop[root@master hadoop]# lscapacity-scheduler.xml      hadoop-policy.xml        kms-log4j.properties        slavesconfiguration.xsl           hdfs-site.xml            kms-site.xml                ssl-client.xml.examplecontainer-executor.cfg      httpfs-env.sh            log4j.properties            ssl-server.xml.examplecore-site.xml               httpfs-log4j.properties  mapred-env.cmd              yarn-env.cmdhadoop-env.cmd              httpfs-signature.secret  mapred-env.sh               yarn-env.shhadoop-env.sh               httpfs-site.xml          mapred-queues.xml.template  yarn-site.xmlhadoop-metrics2.properties  kms-acls.xml             mapred-site.xmlhadoop-metrics.properties   kms-env.sh               mapred-site.xml.template[root@master hadoop]#

    <1> core-site.xml 下的配置中，我指定了hadoop的基地址，namenode的端口号，namenode的地址。

<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><!--  Licensed under the Apache License, Version 2.0 (the "License");  you may not use this file except in compliance with the License.  You may obtain a copy of the License at    http://www.apache.org/licenses/LICENSE-2.0  Unless required by applicable law or agreed to in writing, software  distributed under the License is distributed on an "AS IS" BASIS,  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.  See the License for the specific language governing permissions and  limitations under the License. See accompanying LICENSE file.--><!-- Put site-specific property overrides in this file. --><configuration>    <property>        <name>hadoop.tmp.dir</name>        <value>/usr/hadoop</value>        <description>A base for other temporary directories.</description>    </property>      <!-- file system properties -->    <property>        <name>fs.default.name</name>        <value>hdfs://192.168.23.196:9000</value>    </property>    <property>        <name>dfs.name.dir</name>        <value>/usr/hadoop/namenode</value>        <description>A base for other temporary directories.</description>    </property></configuration>

   <2>  hdfs-site.xml  这个文件主要用来配置datanode的存放路径，以及datanode的副本。

<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><!--  Licensed under the Apache License, Version 2.0 (the "License");  you may not use this file except in compliance with the License.  You may obtain a copy of the License at    http://www.apache.org/licenses/LICENSE-2.0  Unless required by applicable law or agreed to in writing, software  distributed under the License is distributed on an "AS IS" BASIS,  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.  See the License for the specific language governing permissions and  limitations under the License. See accompanying LICENSE file.--><!-- Put site-specific property overrides in this file. --><configuration>    <property>        <name>dfs.replication</name>        <value>2</value>    </property>        <property>        <name>dfs.data.dir</name>        <value>/usr/hadoop/datanode</value>    </property></configuration>

3. 这里配置一下jobtrace端口号

<?xml version="1.0"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><!--  Licensed under the Apache License, Version 2.0 (the "License");  you may not use this file except in compliance with the License.  You may obtain a copy of the License at    http://www.apache.org/licenses/LICENSE-2.0  Unless required by applicable law or agreed to in writing, software  distributed under the License is distributed on an "AS IS" BASIS,  WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.  See the License for the specific language governing permissions and  limitations under the License. See accompanying LICENSE file.--><!-- Put site-specific property overrides in this file. --><configuration>    <property>      <name>mapreduce.job.tracker</name>      <value>hdfs://192.168.23.196:8001</value>      <final>true</final>    </property></configuration>

4. yarn-site.xml文件配置

<configuration><!-- Site specific YARN configuration properties --><property><name>yarn.nodemanager.aux-services</name><value>mapreduce_shuffle</value></property><property><name>yarn.nodemanager.aux-services.mapreduce.shuffle.class</name><value>org.apache.hadoop.mapred.ShuffleHandler</value></property><property>    <name>yarn.nodemanager.resource.memory-mb</name>    <value>20480</value></property><property>   <name>yarn.scheduler.minimum-allocation-mb</name>   <value>2048</value></property><property>    <name>yarn.nodemanager.vmem-pmem-ratio</name>    <value>2.1</value></property></configuration>

5. 在etc的slaves文件中，追加我们在host中配置的salve1和slave2，这样启动的时候，hadoop才能知道slave的位置。

[root@master hadoop]# cat slavesslave1slave2[root@master hadoop]# pwd/usr/big/hadoop/etc/hadoop[root@master hadoop]#

6. 在hadoop-env.sh中配置java的路径，其实就是把 /etc/profile的配置copy一下，追加到文件末尾。

[root@master hadoop]# vim hadoop-env.shexport JAVA_HOME=/usr/big/jdk1.8

    不过这里还有一个坑，hadoop在计算时，默认的heap-size是512M，这就容易导致在大数据计算时，堆栈溢出，这里将512改成2048。

export HADOOP_NFS3_OPTS="$HADOOP_NFS3_OPTS"export HADOOP_PORTMAP_OPTS="-Xmx2048m $HADOOP_PORTMAP_OPTS"# The following applies to multiple commands (fs, dfs, fsck, distcp etc)export HADOOP_CLIENT_OPTS="$HADOOP_CLIENT_OPTS"# set heap args when HADOOP_HEAPSIZE is emptyif [ "$HADOOP_HEAPSIZE" = "" ]; then  export HADOOP_CLIENT_OPTS="-Xmx2048m $HADOOP_CLIENT_OPTS"fi

7.  不要忘了在/usr目录下创建文件夹哦，然后在/etc/profile中配置hadoop的路径。

/usr/hadoop
/usr/hadoop/namenode
/usr/hadoop/datanode

export JAVA_HOME=/usr/big/jdk1.8export HADOOP_HOME=/usr/big/hadoopexport PATH=$JAVA_HOME/bin:$JAVA_HOME/jre/bin:$HADOOP_HOME/sbin:$HADOOP_HOME/bin:$PATH

8.  将196上配置好的整个hadoop文件夹通过scp到 146 和150 服务器上的/usr/big目录下，后期大家也可以通过svn进行hadoop文件夹的

      管理，这样比较方便。

scp -r /usr/big/hadoop root@192.168.23.146:/usr/bigscp -r /usr/big/hadoop root@192.168.23.150:/usr/big

三：启动hadoop

1.  启动之前通过hadoop namede -format 格式化一下hadoop dfs。

[root@master hadoop]# hadoop namenode -formatDEPRECATED: Use of this script to execute hdfs command is deprecated.Instead use the hdfs command for it.17/11/24 20:13:19 INFO namenode.NameNode: STARTUP_MSG: /************************************************************STARTUP_MSG: Starting NameNodeSTARTUP_MSG:   host = master/192.168.23.196STARTUP_MSG:   args = [-format]STARTUP_MSG:   version = 2.9.0

2.  在master机器上start-all.sh 启动hadoop集群。

[root@master hadoop]# start-all.shThis script is Deprecated. Instead use start-dfs.sh and start-yarn.shStarting namenodes on [master]root@master's password: master: starting namenode, logging to /usr/big/hadoop/logs/hadoop-root-namenode-master.outslave1: starting datanode, logging to /usr/big/hadoop/logs/hadoop-root-datanode-slave1.outslave2: starting datanode, logging to /usr/big/hadoop/logs/hadoop-root-datanode-slave2.outStarting secondary namenodes [0.0.0.0]root@0.0.0.0's password: 0.0.0.0: starting secondarynamenode, logging to /usr/big/hadoop/logs/hadoop-root-secondarynamenode-master.outstarting yarn daemonsstarting resourcemanager, logging to /usr/big/hadoop/logs/yarn-root-resourcemanager-master.outslave1: starting nodemanager, logging to /usr/big/hadoop/logs/yarn-root-nodemanager-slave1.outslave2: starting nodemanager, logging to /usr/big/hadoop/logs/yarn-root-nodemanager-slave2.out[root@master hadoop]# jps8851 NameNode9395 ResourceManager9655 Jps9146 SecondaryNameNode[root@master hadoop]#

    通过jps可以看到，在master中已经开启了NameNode 和 ResouceManager，那么接下来，大家也可以到slave1和slave2机器上看一下是不是把NodeManager

和 DataNode都开起来了。。。

[root@slave1 hadoop]# jps7112 NodeManager7354 Jps6892 DataNode[root@slave1 hadoop]# 
[root@slave2 hadoop]# jps7553 NodeManager7803 Jps7340 DataNode[root@slave2 hadoop]#

四：搭建完成，查看结果

      通过下面的tlnp命令，可以看到50070端口和8088端口打开，一个是查看datanode，一个是查看mapreduce任务。

[root@master hadoop]# netstat -tlnp

五：最后通过hadoop自带的wordcount来结束本篇的搭建过程。

      在hadoop的share目录下有一个wordcount的测试程序，主要用来统计单词的个数，hadoop/share/hadoop/mapreduce/hadoop-mapreduce-

examples-2.9.0.jar。

1. 我在/usr/soft下通过程序生成了一个39M的2.txt文件（全是随机汉字哦。。。）

[root@master soft]# ls -lsh 2.txt39M -rw-r--r--. 1 root root 39M Nov 24 00:32 2.txt[root@master soft]#

2. 在hadoop中创建一个input文件夹，然后在把2.txt上传过去

[root@master soft]# hadoop fs -mkdir /input[root@master soft]# hadoop fs -put /usr/soft/2.txt  /input[root@master soft]# hadoop fs -ls /Found 1 itemsdrwxr-xr-x   - root supergroup          0 2017-11-24 20:30 /input

3. 执行wordcount的mapreduce任务

[root@master soft]# hadoop jar /usr/big/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.9.0.jar wordcount /input/2.txt /output/v117/11/24 20:32:21 INFO Configuration.deprecation: session.id is deprecated. Instead, use dfs.metrics.session-id17/11/24 20:32:21 INFO jvm.JvmMetrics: Initializing JVM Metrics with processName=JobTracker, sessionId=17/11/24 20:32:21 INFO input.FileInputFormat: Total input files to process : 117/11/24 20:32:21 INFO mapreduce.JobSubmitter: number of splits:117/11/24 20:32:21 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_local1430356259_000117/11/24 20:32:22 INFO mapreduce.Job: The url to track the job: http://localhost:8080/17/11/24 20:32:22 INFO mapreduce.Job: Running job: job_local1430356259_000117/11/24 20:32:22 INFO mapred.LocalJobRunner: OutputCommitter set in config null17/11/24 20:32:22 INFO output.FileOutputCommitter: File Output Committer Algorithm version is 117/11/24 20:32:22 INFO output.FileOutputCommitter: FileOutputCommitter skip cleanup _temporary folders under output directory:false, ignore cleanup failures: false17/11/24 20:32:22 INFO mapred.LocalJobRunner: OutputCommitter is org.apache.hadoop.mapreduce.lib.output.FileOutputCommitter17/11/24 20:32:22 INFO mapred.LocalJobRunner: Waiting for map tasks17/11/24 20:32:22 INFO mapred.LocalJobRunner: Starting task: attempt_local1430356259_0001_m_000000_017/11/24 20:32:22 INFO output.FileOutputCommitter: File Output Committer Algorithm version is 117/11/24 20:32:22 INFO output.FileOutputCommitter: FileOutputCommitter skip cleanup _temporary folders under output directory:false, ignore cleanup failures: false17/11/24 20:32:22 INFO mapred.Task:  Using ResourceCalculatorProcessTree : [ ]17/11/24 20:32:22 INFO mapred.MapTask: Processing split: hdfs://192.168.23.196:9000/input/2.txt:0+4000000217/11/24 20:32:22 INFO mapred.MapTask: (EQUATOR) 0 kvi 26214396(104857584)17/11/24 20:32:22 INFO mapred.MapTask: mapreduce.task.io.sort.mb: 10017/11/24 20:32:22 INFO mapred.MapTask: soft limit at 8388608017/11/24 20:32:22 INFO mapred.MapTask: bufstart = 0; bufvoid = 10485760017/11/24 20:32:22 INFO mapred.MapTask: kvstart = 26214396; length = 655360017/11/24 20:32:22 INFO mapred.MapTask: Map output collector class = org.apache.hadoop.mapred.MapTask$MapOutputBuffer17/11/24 20:32:23 INFO mapreduce.Job: Job job_local1430356259_0001 running in uber mode : false17/11/24 20:32:23 INFO mapreduce.Job:  map 0% reduce 0%17/11/24 20:32:23 INFO input.LineRecordReader: Found UTF-8 BOM and skipped it17/11/24 20:32:27 INFO mapred.MapTask: Spilling map output17/11/24 20:32:27 INFO mapred.MapTask: bufstart = 0; bufend = 27962024; bufvoid = 10485760017/11/24 20:32:27 INFO mapred.MapTask: kvstart = 26214396(104857584); kvend = 12233388(48933552); length = 13981009/655360017/11/24 20:32:27 INFO mapred.MapTask: (EQUATOR) 38447780 kvi 9611940(38447760)17/11/24 20:32:32 INFO mapred.MapTask: Finished spill 017/11/24 20:32:32 INFO mapred.MapTask: (RESET) equator 38447780 kv 9611940(38447760) kvi 6990512(27962048)17/11/24 20:32:33 INFO mapred.MapTask: Spilling map output17/11/24 20:32:33 INFO mapred.MapTask: bufstart = 38447780; bufend = 66409804; bufvoid = 10485760017/11/24 20:32:33 INFO mapred.MapTask: kvstart = 9611940(38447760); kvend = 21845332(87381328); length = 13981009/655360017/11/24 20:32:33 INFO mapred.MapTask: (EQUATOR) 76895558 kvi 19223884(76895536)17/11/24 20:32:34 INFO mapred.LocalJobRunner: map > map17/11/24 20:32:34 INFO mapreduce.Job:  map 67% reduce 0%17/11/24 20:32:38 INFO mapred.MapTask: Finished spill 117/11/24 20:32:38 INFO mapred.MapTask: (RESET) equator 76895558 kv 19223884(76895536) kvi 16602456(66409824)17/11/24 20:32:39 INFO mapred.LocalJobRunner: map > map17/11/24 20:32:39 INFO mapred.MapTask: Starting flush of map output17/11/24 20:32:39 INFO mapred.MapTask: Spilling map output17/11/24 20:32:39 INFO mapred.MapTask: bufstart = 76895558; bufend = 100971510; bufvoid = 10485760017/11/24 20:32:39 INFO mapred.MapTask: kvstart = 19223884(76895536); kvend = 7185912(28743648); length = 12037973/655360017/11/24 20:32:40 INFO mapred.LocalJobRunner: map > sort17/11/24 20:32:43 INFO mapred.MapTask: Finished spill 217/11/24 20:32:43 INFO mapred.Merger: Merging 3 sorted segments17/11/24 20:32:43 INFO mapred.Merger: Down to the last merge-pass, with 3 segments left of total size: 180000 bytes17/11/24 20:32:43 INFO mapred.Task: Task:attempt_local1430356259_0001_m_000000_0 is done. And is in the process of committing17/11/24 20:32:43 INFO mapred.LocalJobRunner: map > sort17/11/24 20:32:43 INFO mapred.Task: Task 'attempt_local1430356259_0001_m_000000_0' done.17/11/24 20:32:43 INFO mapred.LocalJobRunner: Finishing task: attempt_local1430356259_0001_m_000000_017/11/24 20:32:43 INFO mapred.LocalJobRunner: map task executor complete.17/11/24 20:32:43 INFO mapred.LocalJobRunner: Waiting for reduce tasks17/11/24 20:32:43 INFO mapred.LocalJobRunner: Starting task: attempt_local1430356259_0001_r_000000_017/11/24 20:32:43 INFO output.FileOutputCommitter: File Output Committer Algorithm version is 117/11/24 20:32:43 INFO output.FileOutputCommitter: FileOutputCommitter skip cleanup _temporary folders under output directory:false, ignore cleanup failures: false17/11/24 20:32:43 INFO mapred.Task:  Using ResourceCalculatorProcessTree : [ ]17/11/24 20:32:43 INFO mapred.ReduceTask: Using ShuffleConsumerPlugin: org.apache.hadoop.mapreduce.task.reduce.Shuffle@f8eab6f17/11/24 20:32:43 INFO mapreduce.Job:  map 100% reduce 0%17/11/24 20:32:43 INFO reduce.MergeManagerImpl: MergerManager: memoryLimit=1336252800, maxSingleShuffleLimit=334063200, mergeThreshold=881926912, ioSortFactor=10, memToMemMergeOutputsThreshold=1017/11/24 20:32:43 INFO reduce.EventFetcher: attempt_local1430356259_0001_r_000000_0 Thread started: EventFetcher for fetching Map Completion Events17/11/24 20:32:43 INFO reduce.LocalFetcher: localfetcher#1 about to shuffle output of map attempt_local1430356259_0001_m_000000_0 decomp: 60002 len: 60006 to MEMORY17/11/24 20:32:43 INFO reduce.InMemoryMapOutput: Read 60002 bytes from map-output for attempt_local1430356259_0001_m_000000_017/11/24 20:32:43 INFO reduce.MergeManagerImpl: closeInMemoryFile -> map-output of size: 60002, inMemoryMapOutputs.size() -> 1, commitMemory -> 0, usedMemory ->6000217/11/24 20:32:43 INFO reduce.EventFetcher: EventFetcher is interrupted.. Returning17/11/24 20:32:43 INFO mapred.LocalJobRunner: 1 / 1 copied.17/11/24 20:32:43 INFO reduce.MergeManagerImpl: finalMerge called with 1 in-memory map-outputs and 0 on-disk map-outputs17/11/24 20:32:43 INFO mapred.Merger: Merging 1 sorted segments17/11/24 20:32:43 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 59996 bytes17/11/24 20:32:43 INFO reduce.MergeManagerImpl: Merged 1 segments, 60002 bytes to disk to satisfy reduce memory limit17/11/24 20:32:43 INFO reduce.MergeManagerImpl: Merging 1 files, 60006 bytes from disk17/11/24 20:32:43 INFO reduce.MergeManagerImpl: Merging 0 segments, 0 bytes from memory into reduce17/11/24 20:32:43 INFO mapred.Merger: Merging 1 sorted segments17/11/24 20:32:43 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 59996 bytes17/11/24 20:32:43 INFO mapred.LocalJobRunner: 1 / 1 copied.17/11/24 20:32:43 INFO Configuration.deprecation: mapred.skip.on is deprecated. Instead, use mapreduce.job.skiprecords17/11/24 20:32:44 INFO mapred.Task: Task:attempt_local1430356259_0001_r_000000_0 is done. And is in the process of committing17/11/24 20:32:44 INFO mapred.LocalJobRunner: 1 / 1 copied.17/11/24 20:32:44 INFO mapred.Task: Task attempt_local1430356259_0001_r_000000_0 is allowed to commit now17/11/24 20:32:44 INFO output.FileOutputCommitter: Saved output of task 'attempt_local1430356259_0001_r_000000_0' to hdfs://192.168.23.196:9000/output/v1/_temporary/0/task_local1430356259_0001_r_00000017/11/24 20:32:44 INFO mapred.LocalJobRunner: reduce > reduce17/11/24 20:32:44 INFO mapred.Task: Task 'attempt_local1430356259_0001_r_000000_0' done.17/11/24 20:32:44 INFO mapred.LocalJobRunner: Finishing task: attempt_local1430356259_0001_r_000000_017/11/24 20:32:44 INFO mapred.LocalJobRunner: reduce task executor complete.17/11/24 20:32:44 INFO mapreduce.Job:  map 100% reduce 100%17/11/24 20:32:44 INFO mapreduce.Job: Job job_local1430356259_0001 completed successfully17/11/24 20:32:44 INFO mapreduce.Job: Counters: 35    File System Counters        FILE: Number of bytes read=1087044        FILE: Number of bytes written=2084932        FILE: Number of read operations=0        FILE: Number of large read operations=0        FILE: Number of write operations=0        HDFS: Number of bytes read=80000004        HDFS: Number of bytes written=54000        HDFS: Number of read operations=13        HDFS: Number of large read operations=0        HDFS: Number of write operations=4    Map-Reduce Framework        Map input records=1        Map output records=10000000        Map output bytes=80000000        Map output materialized bytes=60006        Input split bytes=103        Combine input records=10018000        Combine output records=24000        Reduce input groups=6000        Reduce shuffle bytes=60006        Reduce input records=6000        Reduce output records=6000        Spilled Records=30000        Shuffled Maps =1        Failed Shuffles=0        Merged Map outputs=1        GC time elapsed (ms)=1770        Total committed heap usage (bytes)=1776287744    Shuffle Errors        BAD_ID=0        CONNECTION=0        IO_ERROR=0        WRONG_LENGTH=0        WRONG_MAP=0        WRONG_REDUCE=0    File Input Format Counters         Bytes Read=40000002    File Output Format Counters         Bytes Written=54000

4. 最后我们到/output/v1下面去看一下最终生成的结果，由于生成的汉字太多，我这里只输出了一部分

[root@master soft]# hadoop fs -ls /output/v1Found 2 items-rw-r--r--   2 root supergroup          0 2017-11-24 20:32 /output/v1/_SUCCESS-rw-r--r--   2 root supergroup      54000 2017-11-24 20:32 /output/v1/part-r-00000[root@master soft]# hadoop fs -ls /output/v1/part-r-00000-rw-r--r--   2 root supergroup      54000 2017-11-24 20:32 /output/v1/part-r-00000[root@master soft]# hadoop fs -tail /output/v1/part-r-00000    1609攟    1685攠    1636攡    1682攢    1657攣    1685攤    1611攥    1724攦    1732攧    1657攨    1767攩    1768攪    1624

      好了，搭建的过程确实是麻烦，关于hive的搭建，我们放到后面的博文中去说吧。。。希望本篇对你有帮助。