Hadoop分布式计算框架

Hadoop分布式计算框架

• 一、实验目的要求
• 二、试验环境
• 三、试验内容
• • 任务一 MapReduce词频统计
  • 任务二 Partitioner操作
  • 任务三 使用MapReduce实现join操作
  • 任务四 二次排序
• 四、心得体会

一、实验目的要求

【实验要求】

1. 认识MapReduce编程模型
2. MapReduce应用开发
3. MapReduce高级模型，掌握MapReduce开发常用的应用，如Join、二次排序、分区和WordCount
   【实验目的】
4. 了解MapReduce是什么
5. 掌握MapReduce编程模型
6. 掌握MapReduce中常见核心API编程
   掌握MapReduce开发常用的功能

二、试验环境

1. Jdk8
2. Maven3.5.2
3. Eclipse
4. Hadoop集群

三、试验内容

任务一 MapReduce词频统计

1. 新建工程
   
   
2. 添加maven依赖
   
3. WordCount的MapReduce实现

4. 创建job类

5. 设置Job的输入输出路径并提交到集群

6. 使用mvn clean package -DeskipTests打包成myMapreduce-0.0.1-SNAPSHOT.jar


7. 上传到/home/admin/file/mapreduce目录下

8. 将测试数据上传到HDFS目录中


9. 提交MapReduce作业到集群运行

10. 查看作业输出结果

任务二 Partitioner操作

需求：分别统计每种类型手机的销售情况，每种类型手机的统计数据单独存放在一个结果中

1. 自定义Partioner在MapReduce中的应用

2.Driver

3. 使用mvn clean package -DeskipTests打包成myMapreduce-0.0.1-SNAPSHOT.jar，上传到/home/admin/file/mapreduce目录下

4. 将测试数据上传到HDFS目录中

5. 提交MapReduce作业到集群运行

6. 查看作业输出结果

任务三 使用MapReduce实现join操作

1. 员工对象

2. 自定义Mapper类开发

3. 自定义Reducer类开发

4. 驱动类开发

5. 使用mvn clean package -DeskipTests打包成myMapreduce-0.0.1-SNAPSHOT.jar，上传到/home/admin/file/mapreduce目录下


6. 将测试数据上传到HDFS目录中

7. 提交MapReduce作业到集群运行

8. 查看作业输出结果

任务四 二次排序

1. 二次排序实现
   
   
2. 使用mvn clean package -DeskipTests打包成hadoop-0.0.1-SNAPSHOT.jar，上传到/home/admin/file/mapreduce目录下
   
3. 将测试数据上传到HDFS目录中
   
4. 提交MapReduce作业到集群运行
   
5. 查看作业输出结果
   

四、心得体会

1. 在实验前老师讲解实验步骤时一定要认真听讲，将理论知识吃透，并注意老师所讲的容易出问题的点，为做实验打好基础。否则在实验过程中又会花费大量的时间去摸索实验步骤，不仅浪费时间，还容易因为速度慢而心浮气躁。
2. 作为计算机专业的学生，我们身处网络发达的年代，网络科技发展速度非常之快，所以，我们的学习范围不应只局限于课本局限于校园，不断学习新的知识，接触新的环境，才能更全面地了解网络发展的新趋势。
3. 在写代码时，一定要多练习，上网查资料。