我也是刚入行大数据不久的萌新，我分享的陋闻可能只能打扰比我更年轻的新人，打扰啦。

（1）首先上一个mapreduce方法的流程图。

这是一个统计文本单词出现次数的方法，非常符合hadoop生态圈分而治之的智慧思路，上图中的 splitting和mapping阶段可以在不同的主机或者虚拟机上运行，如果是分布式的话，运行的速度会非常快。reducing阶段是将相同的单词统计成一个模块，最后合起来。稍后将介绍在虚拟机上的实现方法。

（2）在虚拟机上创建.txt文件

如果没有现成的数据集的话，就用我上图中写的，我们把文本写到一个.txt文件中。确保虚拟机中配置好了hadoop环境变量，hdfs和yarn各种配置文件都编辑好了，到时候运行的时候才不会报错。

这样我们就在hadoop主文件目录下创建好了，wordfile.txt文件。接下来我们敲入命令，运行mapreduce方法。

（3）打开虚拟机集群，start-all.sh,调用hadoop下的mapreduce方法中的wordcount jar包，指定结果文件保存路径，统计每个单词出现的次数。

需要关闭虚拟机防火墙，systemctl stop firewalld.service，防火墙的存在会影响集群内部主机的通信。如果没有指定输出输入文件完整的路径，到时候就会报没有将文件上传到hdfs的错误。点击运行。

看到这个说明wordcount程序运行成功。我们看看结果文件。

 我们打开part-r-00000文件，查看我们的结果。

和上图的运行结果是一样的。执行的时候可能会报错。

但是不要放弃，遇到什么问题就上网去搜，也可以问我嘛。虽然我也不咋会。