如何利用MapReduce将数据写入HDFS并创建文件？

摘要：MapReduce是一个编程模型，用于处理和生成大数据集。在Hadoop分布式文件系统（HDFS）中创建文件并写入内容是MapReduce作业的一部分。通过使用Hadoop的文件系统API，可以在HDFS上创建文件并向其中写入数据。

MapReduce是一种编程模型，用于处理和生成大数据集，HDFS（Hadoop Distributed File System）是一个分布式文件系统，用于存储大数据，下面是一个使用MapReduce将数据写入HDFS的示例：

1、我们需要创建一个Java项目，并添加Hadoop相关的依赖库，在项目的pom.xml文件中添加以下依赖：

<dependencies>
    <dependency>
        <groupId>org.apache.hadoop</groupId>
        <artifactId>hadoopclient</artifactId>
        <version>2.7.3</version>
    </dependency>
</dependencies>

2、编写一个MapReduce程序，实现将数据写入HDFS的功能，以下是一个简单的示例：

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;
import java.io.IOException;
public class WriteToHDFS {
    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 {
            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 {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "write to HDFS");
        job.setJarByClass(WriteToHDFS.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);
    }
}

3、编译并打包Java项目，生成jar文件。

4、使用Hadoop命令行工具运行MapReduce任务，将数据写入HDFS，假设我们已经将输入数据上传到HDFS的/input目录下，输出目录为/output，jar文件名为writetohdfs.jar，则运行以下命令：

hadoop jar writetohdfs.jar WriteToHDFS /input /output

5、等待任务完成，然后可以使用hadoop fs ls /output命令查看输出目录中的内容。