Google于2003年在SOSP上发表了《The Google File System》，于2004年在OSDI上发表了《MapReduce: Simplified Data Processing on Large Clusters》，于2006年在OSDI上发表了《Bigtable: A Distributed Storage System for Structured Data》。这三篇论文为大数据及云计算的发展奠定了基础。

一、MapReduce概述

1、什么是MapReduce？

MapReduce是一个分布式、并行处理的计算框架。

MapReduce 把任务分为 Map 阶段和 Reduce 阶段。开发人员使用存储在HDFS 中数据（可实现快速存储），编写 Hadoop 的 MapReduce 任务。由于 MapReduce工作原理的特性， Hadoop 能以并行的方式访问数据，从而实现快速访问数据。

表1 map函数和rudece函数

函数

输入

输出

说明

map

<k1,v1>

<0,helle world>

<12,hello hadoop>

List<k2,v2>

<hello,1>

<world,1>

<hello,1>

<hhadoop,1>

将获取到的数据集进一步解析成<key,value>,通过Map函数计算生成中间结果，进过shuffle处理后作为reduce的输入

reduce

<k2,List(v2)>

<hadoop,1>

<hello,{1,1}>

<world,1>

<k3,v3>

<hadoop,1>

<hello,2>

<world,1>

reduce得到map输出的中间结果，合并计算将最终结果输出HDFS，其中List(v2)，指同一k2的value

MapReduce体系结构主要由四个部分组成，分别是：Client、JobTracker、TaskTracker以及Task

　　1）Client

　　用户编写的MapReduce程序通过Client提交到JobTracker端用户可通过Client提供的一些接口查看作业运行状态。

　　2）JobTracker

　　JobTracker负责资源监控和作业调度 JobTracker 监控所有TaskTracker与Job的健康状况，一旦发现失败，就将相应的任务转移到其他节点 JobTracker 会跟踪任务的执行进度、资源使用量等信息，并将这些信息告诉任务调度器（TaskScheduler），而调度器会在资源出现空闲时，选择合适的任务去使用这些资源。

　　3）TaskTracker

　　TaskTracker 会周期性地通过“心跳”将本节点上资源的使用情况和任务的运行进度汇报给JobTracker，同时接收JobTracker 发送过来的命令并执行相应的操作（如启动新任务、杀死任务等） TaskTracker 使用“slot”等量划分本节点上的资源量（CPU、内存等）。一个Task 获取到一个slot 后才有机会运行，而Hadoop调度器的作用就是将各个TaskTracker上的空闲slot分配给Task使用。slot 分为Map slot 和Reduce slot 两种，分别供MapTask 和Reduce Task 使用。

　　4）Task

　　Task 分为Map Task 和Reduce Task 两种，均由TaskTracker 启动。

MapReduce各个执行阶段：

MapReduce应用程序执行过程：

可以参考大佬黎先生的博客：MapReduce基本原理及应用 - 黎先生 - 博客园

2、WordCount案例解析MapReduce计算过程

（1）运行hadoop自带的样例程序

WordCount案例是一个经典案例，是Hadoop自带的样例程序。

作用：统计单词数量（出现的次数）

应用：求和、求平均值、求最值，

jar包存储在$HADOOP_HOME/share/hadoop/mapreduce/：

$HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.3.jar

例如：

步骤：

1.在本地创建一个文件

输入以下内容：

2.上传到HDFS指定目录

在HDFS中创建指定文件：

上传文件：

3.使用hadoop jar命令运行jar程序，统计单词数量

4.输出结果

执行部分过程：

查看生成的文件：

查看计算结果：

（2）MapReduce工作过程

工作流程是Input从HDFS里面并行读取文本中的内容，经过MapReduce模型，最终把分析出来的结果用Output封装，持久化到HDFS中。

1.Mapper工作过程：

附上Mapper阶段代码：

public static class WorldCount_Mapper extends Mapper<LongWritable, Text, Text, IntWritable>{

		@Override
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			System.out.println("split:<" + key + ","+ value + ">" );
			String[] strs = value.toString().split(" ");
			for (String string : strs) {
				System.out.println("map:<" + key + ","+ value + ">" );
				context.write(new Text(string),new IntWritable(1));
			}
	    }
    }

KEYIN--LongWritable:输入key类型，记录数据分片的偏移位置

VALUEIN—Text:输入的value类型，对应分片中的文本数据

KEYOUT--Text:输出的key类型，对应map方法中计算结果的key值

VALUEOUT—IntWritable:输出的value类型，对应map方法中计算结果的value值

Mapper类从分片后传出的上下文中接收数据，数据以类型<LongWritable,Text>的键值对接收过来，通过重写map方法默认一行一行的读取数据并且以<key,value>形式进行遍历赋值。

2.Reducer工作过程：

附上Reducer阶段代码:

public static class WorldCount_Reducer extends Reducer<Text, IntWritable, Text, IntWritable>{

		@Override
		protected void reduce(Text key, Iterable<IntWritable> values,
				Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
			int index  = 0;
			for (IntWritable intWritable : values) {
				System.out.println("reduce:<" + key + ","+ intWritable + ">" );
				index  += intWritable.get();
			}
			context.write(key,new IntWritable(index));
		}
	}

Reducer任务继承Reducer类，主要接收的数据来自Map任务的输出，中间经过Shuffle分区、排序、分组，最终以<key,value>形式输出给用户。

Job提交代码：

public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
		Job job = Job.getInstance();
		job.setJarByClass(WorldCount.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		job.setMapperClass(WorldCount_Mapper.class);
		job.setReducerClass(WorldCount_Reducer.class);
		FileInputFormat.addInputPath(job,new Path("hdfs://192.168.100.123:8020/input"));
		FileOutputFormat.setOutputPath(job, new Path("hdfs://192.168.100.123:8020/output"));
		job.waitForCompletion(true);
	}

JobClients是用户提交的作业与ResourceManager交互的主要接口，JobClients提供提交作业、追踪进程、访问子任务的日志记录、获取的MapReduce集群状态信息等功能。

3、Shuffle过程详解

Hadoop运行机制中，将map输出进行分区、分组、排序、和合并等处理后作为输入传给Reducer的过程，称为shuffle过程。

shuffle阶段又可以分为Map端的shuffle和Reduce端的shuffle。

　　一、Map端的shuffle

　　写磁盘：Map端会处理输入数据并产生中间结果，这个中间结果会写到本地磁盘，而不是HDFS。每个Map的输出会先写到内存缓冲区中，当写入的数据达到设定的阈值时，系统将会启动一个线程将缓冲区的数据写到磁盘，这个过程叫做spill。

　　分区、分组、排序：在spill写入之前，会先进行二次排序，首先根据数据所属的partition进行排序，然后每个分区（partition）中的数据再按key来排序。partition的目是将记录划分到不同的Reducer上去，以期望能够达到负载均衡，以后的Reducer就会根据partition来读取自己对应的数据。接着运行combiner(如果设置了的话)，combiner的本质也是一个Reducer，其目的是对将要写入到磁盘上的文件先进行一次处理，这样，写入到磁盘的数据量就会减少。最后将数据写到本地磁盘产生spill文件(spill文件保存在{mapred.local.dir}指定的目录中，Map任务结束后就会被删除)。

文件合并：最后，每个Map任务可能产生多个溢写文件（spill file），在每个Map任务完成前，会通过多路归并算法将这些spill文件归并成一个已经分区和排序的输出文件。至此，Map的shuffle过程就结束了。

压缩：在shuffle过程中如果压缩被启用，在map传出数据传入Reduce之前可执行压缩，默认情况下压缩是关闭的，可以将mapred.compress.map.output设置为true可实现压缩。

　　二、Reduce端的shuffle

　　Reduce端的shuffle主要包括三个阶段，copy、sort(merge)和reduce。

　　首先要将Map端产生的输出文件拷贝到Reduce端，但每个Reducer如何知道自己应该处理哪些数据呢？因为Map端进行partition的时候，实际上就相当于指定了每个Reducer要处理的数据(partition就对应了Reducer)，所以Reducer在拷贝数据的时候只需拷贝与自己对应的partition中的数据即可。每个Reducer会处理一个或者多个partition，但需要先将自己对应的partition中的数据从每个Map的输出结果中拷贝过来。

接下来就是排序（sort）阶段，也成为合并（merge）阶段，因为这个阶段的主要工作是执行了归并排序。从Map端拷贝到Reduce端的数据都是有序的，所以很适合归并排序。最终在Reduce端生成一个较大的文件作为Reduce的输入。MapReduce编程接口

二、MapReduce编程基础

1、Hadoop数据类型

Hadoop数据包括：BooleanWritable、ByteWritable、DoubleWritable、FloatWritale、IntWritable、LongWritable、Text、NullWritable等，它们实现了WritableComparable接口。其中Text表示使用UTF8格式存储的文本、NullWritable类型是当（key,value）中的key或value为空时使用。

表2 Hadoop Writable与Java数据类型参照表

Java基本类型	Writable封装类	类型	序列化后的长度为
boolean	BooleanWritable	布尔型	1
byte	ByteWritable	字节型	1
double	DoubleWritable	双精度浮点型	8
float	FloatWritable	单精度浮点型	8
int	IntWritable VIntWritable	整型	4 1-5
long	LongWritable	长整型	8
short	ShortWritable	短整型	2
null	NullWritable	空值	0
	Text	文本类型

除了上述Hadoop类型外，用户还可以自定义新的数据类型。用户自定义数据类型需要实现Writable接口，但如果需要作为主键key使用或需要比较大小时，则需要实现WritableComparable接口。

2、数据输入格式InputFormat

抽象类InputFormat<K,V>有三个直接子类：

FileInputFormat<K,V>、DBInputFormat<T>、DelegatingInputFormat<K,V>

其中，文件输入格式类FileInputFormat<K,V>类有几个子类：

TextInputFormat、KeyValueInputFormat、SequenceFileInputFormat<K,V>、NlineInputFormat、CombineFileInputFormat<K,V>

序列化文件输入类SequenceFileInputFormat<K,V>有几个子类：

SequenceFileAsBinaryInputFormat、SequenceFileAsTextInputFormat、SequenceFileInputFilter<K,V>

数据库输入格式类DBInputFormat<T>的直接子类是：DataDriverDBInputFormat<T>，而这个子类又派生子类：OracleDataDriverDBInputFormat<T>

表3 常用数据输入格式类

InputFormat类	描述	键（Key）	值（Value）
TextInputFormat	默认输入格式，读取文本文件的行	当前行的偏移量	当前行内容
KeyValueTextInputFormat	将行解析成键值对	行内首个制表符的内容	行内其余内容
SequenceFileInputFormat	专用于高性能的二进制格式	用户定义	用户定义

3、输入数据分块InputSplit和数据记录读入RecordReader

编程时由用户选择的数据输入格式InputFormat类型来自动决定数据分块InputSplit和数据记录RecordReader类型。一个InputSplit将单独作为一个Mapper的输入，即作业的Mapper数量是由InputSplit个数决定的。

表4 数据输出格式类对应的Reader类型

InputFormat类	RecordReader类	描述
TextInputFormat	LineRecordReader	读取文本文件的行
KeyValueTextInputFormat	KeyValueLineRecordReader	读取行并将行解析为键值对
SequenceFileInputFormat	SequenceFileRecordReader	用户定义的格式产生键与值
DBInputFormat	DBRecordReader	仅适合读取少量数据记录，不适合数据仓库联机数据分析大量数据的读取处理

4、数据输出格式OutputFormat

抽象类OutputFormat<K,V>有四个直接子类：

FileOutputFormat<K,V>、DBOutputFormat<K,V>、NullOutputFormat<K,V>、FilterOutputFormat<K,V>

FileOutputFormat<K,V>有两个直接子类：

TextOutputFormat<K,V>、SequenceFileOutputFormat<K,V>

SequenceFileOutputFormat<K,V>有直接子类：SequenceFileAsBinaryOutputFormat

FilterOutputFormat<K,V>有直接子类：LazyOutputFormat<K,V>

5、数据记录输出类RecordWriter

数据记录输出类RecordWriter是一个抽象类。

表5 数据输出格式类对应的数据记录Writer类型

OutputFormat类	RecordWriter类	描述
TextOutputFormat	LineRecordWriter	将结果数据以“key + \t + value”形式输出到文本文件中
SequenceFileOutputFormat	SequenceFileRecordWriter	用户定义的格式产生键与值
DBOutputFormat	DBRecordWriter	将结果写入到一个数据库表中
FilterOutputFormat	FilterRecordWriter	对应于过滤器输出模式的数据记录模式，只将过滤器的结果输出到文件中

6、Mapper类

Mapper类是一个抽象类，位于hadoop-mapreduce-client-core-2.x.x.jar中，其完整类名是：org.apache.hadoop.mapreduce.Mapper<KEYIN,VALUEIN,KEYOUT,VALUEOUT>，需派生子类使用，在子类中重写map方法：map(KEYIN key,VALUEIN value,Mapper.Context context)对出入的数据分块每个键值对调用一次。

7、Reduce类

Reduce类是一个抽象类，位于hadoop-mapreduce-client-core-2.x.x.jar中，其完整类名是：org.apache.hadoop.mapreduce.Reduce<KEYIN,VALUEIN,KEYOUT,VALUEOUT>，需派生子类使用，在子类中重写reduce方法：reduce(KEYIN key,Inerable <VALUEIN> value,Reducer.Context context)对出入的数据分块每个键值对调用一次。

三、MapReduce项目案例

1、经典案例——WordCount

代码演示：

package hadoop.mapreduce;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
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 MyWordCount {
	/*
	 * 	KEYIN：是map阶段输入的key（偏移量）
	 * 	VALUEIN：是map阶段输入的value（文本文件的内容--行）
	 *  KEYOUT：是map阶段输出的key(单词)
	 *  VALUEOUT：是map阶段输出的value（单词的计数--1）
	 *  
	 *  Java基本数据类型：
	 *  	int、short、long、double、float、char、boolean、byte
	 *  hadoop数据类型
	 *  	IntWritable、ShortWritable、LongWritable、DoubleWritable、FloatWritable
	 *  	ByteWritable、BooleanWritable、NullWritable、Text
	 *  	Text：使用utf8编码的文本类型
	 */
	public static class WordCount_Mapper extends Mapper<LongWritable, Text, Text, IntWritable>{
		@Override	//方法的重写
		protected void map(LongWritable key, Text value, Mapper<LongWritable, Text,
				Text, IntWritable>.Context context)
				throws IOException, InterruptedException {
			String[] line = value.toString().split(" ");	//将获取到的数据以空格进行切分成一个个单词
			for (String word : line) { 	//遍历单词的数组
				context.write(new Text(word), new IntWritable(1));  //单词进行计数，将中间结果写入context
			}
		}												
	}
	
	/*
	 * KEYIN：reduce阶段输入的key(单词)
	 * VALUEIN：reduce阶段输入的value(单词的计数)
	 * KEYOUT：reduce阶段输出的key(单词)
	 * VALUEOUT：reduce阶段输出的value(单词计数的总和)
	 * 
	 * reduce方法中做以下修改：
	 * 	将Text arg0改为Text key
	 *  将Iterable<IntWritable> arg1改为Iterable<IntWritable> value
	 *  将Context arg2修改为Context context
	 */
	public static class WordCount_Reducer extends Reducer<Text, IntWritable, Text, IntWritable>{
		@Override
		protected void reduce(Text key, Iterable<IntWritable> values,
				Reducer<Text, IntWritable, Text, IntWritable>.Context context)
						throws IOException, InterruptedException {
			int sum = 0;	//创建一个变量,和
			for (IntWritable intWritable : values) {		//遍历相同key单词的计数
				sum += intWritable.get();	//将相同key单词的计数进行累加
			}
			context.write(key, new IntWritable(sum));	//将计算的结果写入context
		}
	}

	//提交工作
	public static void main(String[] args) throws Exception {
		
		String inPath= "hdfs://192.168.182.10:8020/input.txt";
		String outPath = "hdfs://192.168.182.10:8020/output/";
		Configuration conf = new Configuration();
		Job job = Job.getInstance();	//创建Job对象job
		FileSystem fs = FileSystem.get(conf);
		if (fs.exists(new Path(outPath))) {
			fs.delete(new Path(outPath), true);
		}
		job.setJarByClass(MyWordCount.class); 	//设置运行的主类MyWordCount
		job.setMapperClass(WordCount_Mapper.class); 	//设置Mapper的主类
		job.setReducerClass(WordCount_Reducer.class); 	//设置Reduce的主类
		job.setOutputKeyClass(Text.class); 	//设置输出key的类型
		job.setOutputValueClass(IntWritable.class); 	//设置输出value的类型
		//设置文件的输入路径(根据自己的IP和HDFS地址设置)
		FileInputFormat.addInputPath(job, new Path(inPath));	
		//设置计算结果的输出路径(根据自己的IP和HDFS地址设置)
		FileOutputFormat.setOutputPath(job, new Path(outPath));
		System.exit((job.waitForCompletion(true)?0:1)); 	//提交任务并等待任务完成
	}
}

打包上传虚拟机：

步骤：

右键单击项目名 --> 选择 Export --> Java --> JAR file --> Browse...选择存放路径 --> 文件名

命名为wordcount.jar，将打包好的jar包上传到虚拟机中

运行代码：

在本地创建一个文件input.txt

vi input.txt

添加内容：

hello world
hello hadoop
bye world
bye hadoop

上传到DHFS中：

hadoop fs -put input.txt /

使用jar命令执行项目：

hadoop jar wordcount.jar hadoop.mapreduce.MyWordCount

如下图：

查看结果：

2、计算考试平均成绩

代码演示：

Mapper类

package hadoop.mapreduce;

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

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Counter;
import org.apache.hadoop.mapreduce.Mapper;

/*
 * 编写CourseScoreAverageMapper继承Mapper类
 */
public class CourseScoreAverageMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
	@Override	//方法的重写
	protected void map(LongWritable key, Text value, Mapper<LongWritable, Text,
			Text, IntWritable>.Context context)
			throws IOException, InterruptedException {
		String line = new String(value.getBytes(),0,value.getLength(),"UTF8");	//转换中文编码
		Counter countPrint =  context.getCounter("CourseScoreAverageMapper.Map 输出传递Value:", line);	//通过计数器输出变量值
		countPrint.increment(1L);	//将计数器加一
		StringTokenizer tokenArticle = new StringTokenizer(line,"\n");	//将输入的数据按行“\n”进行分割
		while(tokenArticle.hasMoreElements()) {
			StringTokenizer tokenLine = new StringTokenizer(tokenArticle.nextToken());	//每行按空格划分
			String strName = tokenLine.nextToken();		//按空格划分出学生姓名
			String strScore = tokenLine.nextToken();	//按空格划分出学生成绩
			Text name = new Text(strName);	//转换为Text类型
			int scoreInt = Integer.parseInt(strScore);	//转换为int类型
			context.write(name, new IntWritable(scoreInt));		//将中间结果写入context
			countPrint = context.getCounter("CourseScoreAverageMapper.Map中循环输出信息：", "<key,value>:<"+strName+","+strScore+">");	//输出信息
			countPrint.increment(1L);	//将计数器加一
		}
	}												
}

Reducer类

package hadoop.mapreduce;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Counter;
import org.apache.hadoop.mapreduce.Reducer;

/*
 * 编写CourseScoreAverageReducer继承Reduce类
 */
public class CourseScoreAverageReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
	@Override  //重写reduce方法
	protected void reduce(Text key, Iterable<IntWritable> values,
			Reducer<Text, IntWritable, Text, IntWritable>.Context context)
					throws IOException, InterruptedException {
		int sum = 0;	//总分
		int count = 0;	//科目数
		for (IntWritable val : values) {		//遍历相同key的分数
			sum += val.get();	//将相同key的分数进行累加
			count++;	//计算科目数
		}
		int average = (int)sum/count;	//计算平均分
		context.write(key, new IntWritable(average));	//将计算的结果写入context
		Counter countPrint = context.getCounter("CourseScoreAverageReducer.Reducer中输出信息：", "<key,value>:<"+key.toString()+","+average+">");	//输出信息
		countPrint.increment(1L);	//计数器加1
	}
}

Driver类

package hadoop.mapreduce;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class CourseScoreDriver {

	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();	//获取配置文件
		Job job = Job.getInstance(conf,"CourseScoreAverage");	//创建Job对象job
		String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();	//获取命令行参数
		if(otherArgs.length<2) {	
			System.err.print("Usage:hadoop jar MyAverage.jar <in> <out> ");
			System.err.print("hadoop jar MyAverage.jar hadoop.mapreduce.CourseScoreDriver <in> <out>");
			System.exit(2);
		}else {
			for (int i = 0; i < otherArgs.length-1; i++) {	//设置文件输入路径
				if(!("hadoop.mapreduce.CourseScoreDriver".equalsIgnoreCase(otherArgs[i]))) {  //排除hadoop.mapreduce.CourseScoreDriver这个参数
					FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
					System.out.println("参数IN:"+otherArgs[i]);
				}
			}
			//设置文件输出路径
			FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length-1]));  //设置输出路径
			System.out.println("参数OUT："+otherArgs[otherArgs.length-1]);
		}
		FileSystem hdfs = FileSystem.get(conf);	//创建文件系统
		if(hdfs.exists(new Path(otherArgs[otherArgs.length-1]))) {	//如果已经存在该路径，则删除该路径
			hdfs.delete(new Path(otherArgs[otherArgs.length-1]), true);
		}
		job.setJarByClass(CourseScoreDriver.class); 	//设置运行的主类CourseScoreDriver
		job.setMapperClass(CourseScoreAverageMapper.class); 	//设置Mapper的主类
		job.setCombinerClass(CourseScoreAverageReducer.class); 	//设置Combiner的主类
		job.setReducerClass(CourseScoreAverageReducer.class); 	//设置Reduce的主类
		job.setOutputKeyClass(Text.class); 	//设置输出key的类型
		job.setOutputValueClass(IntWritable.class); 	//设置输出value的类型
		job.setInputFormatClass(TextInputFormat.class);		//设置输入格式
		job.setOutputFormatClass(TextOutputFormat.class);	//设置输出格式
		System.exit((job.waitForCompletion(true)?0:1)); 	//提交任务并等待任务完成
		System.out.println("Job Finished!");
	}
}

打包上传虚拟机：

步骤：

右键单击项目名 --> 选择 Export --> Java --> JAR file --> Browse...选择存放路径 --> 文件名

命名为average.jar ，将打包好的average.jar上传到虚拟机中

运行代码：

首先准备三个文件 Chinese.txt、Math.txt、English.txt，添加如下内容：

将文件上传到HDFS的data目录下：

hadoop fs -mkdir /data
hadoop fs -put Chinese.txt /data/
hadoop fs -put Math.txt /data/
hadoop fs -put English.txt /data/

执行代码：

hadoop jar average.jar hadoop.mapreduce.CourseScoreDriver /data /data/output

查看结果，如下图：

3、网站日志分析

代码演示：

打包上传虚拟机：

运行代码：