引用：这几周事情很多，两周没写博客了。这周终于跑了Hadoop的实例，然后又跑了官方的wordcount实例（统计word在文件中的出现次数）。以下是我成功运行实例的记录。运行的前提是安装配置好hadoop（可参考我之前的博客：hadoop伪分布式安装记录）运行步骤：1.首先准备一个包含words的文件，然后将文件上传到linux服务器。文件内容：helloworldhellohadoopabchadoopaabbhellowordcounttesthdfsmapreduce2.使用hdfs命令创建输入文件目录（hfds命令与linux基本相同，官网可以查看）hadoopfs-mkdir/input/wordcount然后创建输出目录/output存放运行结果为后续hadoop3.然后将文件放入hadoop文件系统hadoopfs-put/home/file1/input/wordcount创建完成后，可以使用ls查看文件是否存在hadoopfs-ls-R/4。然后进入hadoopshare/hadoop/mapreduce，有一个hadoop-mapreduce-examples-3.1.2.jar可以通过hadoopjar查看hadoop-mapreduce-examples-3.1.2.jar这个官方例子可以执行哪些程序如下：可以看到很多内置的应用程序，我们这里就用到wordcount。执行命令hadoopjarhadoop-mapreduce-examples-3.1.2.jar/input/wordcount/output/wordcount最后两个参数是文件的输入路径，也就是我们之前创建HDFS的路径，第二个参数是该文件如果没有输出路径，Hadoop会自己创建。5、然后会先进行map的处理。在reduce的过程中，可以理解为一个分而治之的步骤。Map是在多台机器上处理文件的中间结果，再通过reduce（归约、聚合）对结果进行汇总。而且，先执行map，再执行reduce。6.去输出文件查看结果，在output/wordcount里面会出现三个文件，with部分是输出结果，可以使用hadoopfs-cat输出文件路径查看结果总结：虽然看起来步骤不多，内容也比较简单，但是还是有很多坑。注意点：1.以伪分布式方式搭建的hadoop，hostname一定要设置好，必须和配置文件保持一致。合理，如果太小，会一直卡在runningjob或者map0%。这时候需要在yarn-site中设置内存大小（根据实际服务器内存设置，我设置在2048M之后）3.如果发现卡在某个环节，记得查看日志hadoop安装目录，里面有很多日志类型，包括nodeManager、resourceManager等，如果执行不成功，会有相应的日志，日志中有提示，可以帮助发现问题。
