问题导读：

1.hadoop2.x自带wordcount在什么位置？

2.运行wordcount程序，需要做哪些准备？

此篇是在

基础上对hadoop2.2的进一步认识。这里交给大家如何运行hadoop2.2自带例子

1.找到examples例子

我们需要找打这个例子的位置：首先需要找到你的hadoop文件夹，然后依照下面路径：

/hadoop/share/hadoop/mapreduce会看到如下图：

1. hadoop-mapreduce-examples-2.2.0.jar

复制代码

<ignore_js_op> 

第二步：

我们需要需要做一下运行需要的工作，比如输入输出路径，上传什么文件等。

1.先在HDFS创建几个数据目录：

1. hadoop fs -mkdir -p /data/wordcount
2. hadoop fs -mkdir -p /output/

复制代码

<ignore_js_op> 

2.目录/data/wordcount用来存放Hadoop自带的WordCount例子的数据文件，运行这个MapReduce任务的结果输出到/output/wordcount目录中。

首先新建文件inputWord：

1. vi /usr/inputWord

复制代码

新建完毕，查看内容：

1. cat /usr/inputWord

复制代码

<ignore_js_op> 

将本地文件上传到HDFS中：

1. hadoop fs -put /usr/inputWord /data/wordcount/

复制代码

可以查看上传后的文件情况，执行如下命令：

1. hadoop fs -ls /data/wordcount

复制代码

可以看到上传到HDFS中的文件。

<ignore_js_op> 

通过命令

1. hadoop fs -text /data/wordcount/inputWord

复制代码

看到如下内容：

<ignore_js_op> 

下面，运行WordCount例子，执行如下命令：

1. hadoop jar /usr/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /data/wordcount /output/wordcount

复制代码

<ignore_js_op> 

可以看到控制台输出程序运行的信息：

aboutyun@master:~$ hadoop jar /usr/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.2.0.jar wordcount /data/wordcount /output/wordcount

14/05/14 10:33:33 INFO client.RMProxy: Connecting to ResourceManager at master/172.16.77.15:8032

14/05/14 10:33:34 INFO input.FileInputFormat: Total input paths to process : 1

14/05/14 10:33:34 INFO mapreduce.JobSubmitter: number of splits:1

14/05/14 10:33:34 INFO Configuration.deprecation: user.name is deprecated. Instead, use mapreduce.job.user.name

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.jar is deprecated. Instead, use mapreduce.job.jar

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.output.value.class is deprecated. Instead, use mapreduce.job.output.value.class

14/05/14 10:33:34 INFO Configuration.deprecation: mapreduce.combine.class is deprecated. Instead, use mapreduce.job.combine.class

14/05/14 10:33:34 INFO Configuration.deprecation: mapreduce.map.class is deprecated. Instead, use mapreduce.job.map.class

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name

14/05/14 10:33:34 INFO Configuration.deprecation: mapreduce.reduce.class is deprecated. Instead, use mapreduce.job.reduce.class

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.input.dir is deprecated. Instead, use mapreduce.input.fileinputformat.inputdir

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.output.dir is deprecated. Instead, use mapreduce.output.fileoutputformat.outputdir

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.map.tasks is deprecated. Instead, use mapreduce.job.maps

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.output.key.class is deprecated. Instead, use mapreduce.job.output.key.class

14/05/14 10:33:34 INFO Configuration.deprecation: mapred.working.dir is deprecated. Instead, use mapreduce.job.working.dir

14/05/14 10:33:35 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1400084979891_0004

14/05/14 10:33:36 INFO impl.YarnClientImpl: Submitted application application_1400084979891_0004 to ResourceManager at master/172.16.77.15:8032

14/05/14 10:33:36 INFO mapreduce.Job: The url to track the job: http://master:8088/proxy/application_1400084979891_0004/

14/05/14 10:33:36 INFO mapreduce.Job: Running job: job_1400084979891_0004

14/05/14 10:33:45 INFO mapreduce.Job: Job job_1400084979891_0004 running in uber mode : false

14/05/14 10:33:45 INFO mapreduce.Job:  map 0% reduce 0%

14/05/14 10:34:10 INFO mapreduce.Job:  map 100% reduce 0%

14/05/14 10:34:19 INFO mapreduce.Job:  map 100% reduce 100%

14/05/14 10:34:19 INFO mapreduce.Job: Job job_1400084979891_0004 completed successfully

14/05/14 10:34:20 INFO mapreduce.Job: Counters: 43

        File System Counters

                FILE: Number of bytes read=81

                FILE: Number of bytes written=158693

                FILE: Number of read operations=0

                FILE: Number of large read operations=0

                FILE: Number of write operations=0

                HDFS: Number of bytes read=175

                HDFS: Number of bytes written=51

                HDFS: Number of read operations=6

                HDFS: Number of large read operations=0

                HDFS: Number of write operations=2

        Job Counters 

                Launched map tasks=1

                Launched reduce tasks=1

                Data-local map tasks=1

                Total time spent by all maps in occupied slots (ms)=23099

                Total time spent by all reduces in occupied slots (ms)=6768

        Map-Reduce Framework

                Map input records=5

                Map output records=10

                Map output bytes=106

                Map output materialized bytes=81

                Input split bytes=108

                Combine input records=10

                Combine output records=6

                Reduce input groups=6

                Reduce shuffle bytes=81

                Reduce input records=6

                Reduce output records=6

                Spilled Records=12

                Shuffled Maps =1

                Failed Shuffles=0

                Merged Map outputs=1

                GC time elapsed (ms)=377

                CPU time spent (ms)=11190

                Physical memory (bytes) snapshot=284524544

                Virtual memory (bytes) snapshot=2000748544

                Total committed heap usage (bytes)=136450048

        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=67

        File Output Format Counters 

                Bytes Written=51

查看结果，执行如下命令：

1. hadoop fs -text /output/wordcount/part-r-00000

复制代码

结果数据示例如下：

1. aboutyun@master:~$ hadoop fs -text /output/wordcount/part-r-00000
2. aboutyun        2
3. first        1
4. hello        3
5. master        1
6. slave        2
7. what        1

复制代码

<ignore_js_op> 

登录到Web控制台，访问链接http://master:8088/可以看到任务记录情况。

下一篇：