大数据技术原理及应用课实验5 :MapReduce初级编程实践

目录

一、实验目的

二、实验平台

三、实验步骤（每个步骤下均需有运行截图）

（一）编程实现文件合并和去重操作

（二）编写程序实现对输入文件的排序

（三）对给定的表格进行信息挖掘

四、实验总结

五、优化及改进（选做）

---

实验5  MapReduce初级编程实践

一、实验目的

1. 通过实验掌握基本的MapReduce编程方法；

2. 掌握用MapReduce解决一些常见的数据处理问题，包括数据去重、数据排序和数据挖掘等。

二、实验平台

1. 操作系统：Linux（建议Ubuntu16.04或Ubuntu18.04）

2. Hadoop版本：3.1.3

三、实验步骤（每个步骤下均需有运行截图）

（一）编程实现文件合并和去重操作

对于两个输入文件，即文件A和文件B，请编写MapReduce程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新的输出文件C。下面是输入文件和输出文件的一个样例供参考。

输入文件A的样例如下：

20170101     x         20170102     y         20170103     x         20170104     y         20170105     z 20170106     x

输入文件B的样例如下：

20170101      y 20170102      y 20170103      x 20170104      z 20170105      y

根据输入文件A和B合并得到的输出文件C的样例如下：

20170101      x 20170101      y 20170102      y 20170103      x 20170104      y 20170104      z 20170105      y         20170105      z 20170106      x

（二）编写程序实现对输入文件的排序

现在有多个输入文件，每个文件中的每行内容均为一个整数。要求读取所有文件中的整数，进行升序排序后，输出到一个新的文件中，输出的数据格式为每行两个整数，第一个数字为第二个整数的排序位次，第二个整数为原待排列的整数。下面是输入文件和输出文件的一个样例供参考。

输入文件1的样例如下：

33 37 12 40

输入文件2的样例如下：

4 16 39 5

输入文件3的样例如下：

1 45 25

根据输入文件1、2和3得到的输出文件如下：

1 1 2 4 3 5 4 12 5 16 6 25 7 33 8 37 9 39 10 40 11 45

（三）对给定的表格进行信息挖掘

下面给出一个child-parent的表格，要求挖掘其中的父子辈关系，给出祖孙辈关系的表格。

输入文件内容如下：

child          parent         Steven        Lucy         Steven        Jack         Jone         Lucy         Jone         Jack         Lucy         Mary         Lucy         Frank         Jack         Alice         Jack         Jesse         David       Alice         David       Jesse         Philip       David         Philip       Alma         Mark       David Mark       Alma

 

输出文件内容如下：

grandchild       grandparent         Steven          Alice         Steven          Jesse         Jone            Alice         Jone            Jesse         Steven          Mary         Steven          Frank         Jone            Mary         Jone            Frank         Philip           Alice         Philip           Jesse         Mark           Alice Mark           Jesse

 

四、实验总结

 在此次实验中

五、优化及改进（选做）

【提出你觉得解决这个问题更好的算法，并加以说明】