文章目录
一、实战概述
- 在信息爆炸的时代,数据处理与分析的重要性日益凸显。MapReduce作为一种强大的分布式计算模型,以其高效并行处理能力解决了大规模数据集的处理难题。本次实践教程,我们将通过一个具体的任务——学生信息排序,深入浅出地引导大家掌握MapReduce的基本原理和应用。从数据准备到实现步骤,再到拓展练习,我们将一起领略MapReduce的强大魅力,揭示其在大数据处理中的关键作用。
- 我们将通过Hadoop MapReduce实现学生信息排序任务。首先,启动Hadoop服务,创建sortstudent目录和包含学生信息的student.txt文件,然后将其上传到HDFS的/sortstudent/input目录。接着,创建Maven项目SortStudent,添加hadoop和junit依赖,配置日志属性文件。在net.hw.mr包下创建Student类实现序列化比较接口,设置性别升序、年龄降序的比较规则。随后,创建StudentMapper和StudentReducer类进行数据处理和排序。在StudentDriver类中设置作业配置并运行。拓展练习中,我们将修改Student类的比较规则以实现性别升序、年龄降序排序,最后重新运行StudentDriver查看结果。
二、提出任务
- 学生表,包含五个字段(姓名、性别、年龄、手机、专业),有8条记录
姓名 | 性别 | 年龄 | 手机 | 专业 |
---|---|---|---|---|
李文丽 | 女 | 19 | 15892943440 | 大数据应用 |
张三丰 | 男 | 20 | 15890903456 | 人工智能应用 |
郑晓琳 | 女 | 18 | 18867890234 | 软件技术 |
唐宇航 | 男 | 22 | 15856577890 | 计算机应用 |
陈燕文 | 女 | 21 | 13956576783 | 软件技术 |
童安格 | 男 | 19 | 15889667890 | 大数据应用 |
肖雨涵 | 男 | 20 | 15857893452 | 软件技术 |
冯晓华 | 女 | 18 | 18856784560 | 大数据应用 |
- 使用MR计算框架,学生信息按年龄降序排列结果
三、完成任务
(一)准备数据
1、在虚拟机上创建文本文件
- 在master虚拟机上创建student.txt文件
2、上传文件到hdfs指定目录
- 创建
/sortstudent/input
目录,执行命令:hdfs dfs -mkdir -p /sortstudent/input
- 将文本文件
student.txt
上传到HDFS的/sortstudent/input
目录
(二)实现步骤
- 说明:示例中的集成开发环境IntelliJ IDEA版本 -
2022.3
1、创建Maven项目
Maven
项目 -MRSortStudent
,设置了JDK版本 -1.8
,组标识 -net.djh.mr
(这里忘记截图了,代用老师的截图)
- 单击【Create】按钮,得到初始化项目
2、添加相关依赖
-
在
pom.xml
文件里添加hadoop
和junit
依赖
-
刷新项目依赖
3、创建日志属性文件
- 在
resources
目录里创建log4j.properties
文件
4、创建学生实体类
- 创建
net.djh.mr
包,在包里创建Student
类,实现WritableComparable
接口
- 说明:该Java类Student表示学生对象,实现WritableComparable接口以供Hadoop处理。它包含姓名、性别、年龄、电话和专业属性的getter和setter方法。compareTo方法用于按年龄降序比较学生对象。write和readFields方法实现了序列化与反序列化,使得Student对象可在Hadoop数据流中读写传输。
5、创建学生映射器类
- 在
net.djh.mr
里创建StudentMapper
类
- 说明:该Java类StudentMapper是Hadoop MapReduce作业的映射器,用于处理学生信息文本数据。它从输入行中解析出学生各项属性,并封装成Student对象student,然后将<student,null>键值对写入中间结果,以供后续Reducer阶段进一步处理。
6、创建学生归并器类
- 在
net.djh.mr
包里创建StudentReducer
类
- 说明:该Java类StudentReducer是Hadoop MapReduce的归并器,继承自Reducer。在reduce方法中,获取学生对象并拼接其各项属性信息为字符串studentInfo,然后将<studentInfo,null>键值对写入输出文件,实现对学生数据的收集与整合。
7、创建学生驱动器类
- 在
net.djh.mr
包里创建StudentDriver
类
8、启动应用,查看结果
- 运行StudentDriver 类,看到输出的学生对象确实按按年龄降序排列
- 恢复对Reducer类的设置
- 运行
StudentDriver
类,输出格式没问题,学生信息也按年龄降序排列了
9、修改学生归并器类
- 修改学生归并器类,遍历值迭代器,这样就不会按“年龄”去重了
10、启动应用,查看结果
- 运行
StudentDriver
类,结果符合要求