- 博客(17)
- 收藏
- 关注
RSS订阅原创 MR实战：实现数据去重
在本次实战中，我们致力于使用Hadoop MapReduce技术对两个包含重复数据的文本文件file1.txt和file2.txt进行去重操作，并将结果整合到一个文件中。在开始之前，确保成功启动Hadoop服务，以搭建分布式计算环境，为MapReduce任务提供必要的基础。在虚拟机上创建了file1.txt和file2.txt两个文本文件，并将它们上传到HDFS的目录。这确保了数据能够被MapReduce任务访问。我们创建了自定义Mapper类。
2024-01-09 09:27:03
1111
原创 MR实战：词频统计
本实战演练旨在利用Hadoop MapReduce框架，在虚拟环境中执行一个简单的词频统计任务。在master节点上创建一个文本文件words.txt，其中包含多个单词行，并将该文件上传至HDFS中的指定目录/wordcount/input。在集成开发环境IntelliJ IDEA中创建一个名为MRWordCount的Maven项目，并引入Apache Hadoop 3.3.4版本的客户端依赖和JUnit测试框架。
2024-01-09 08:49:31
1004
原创 MR实战：统计总分与平均分
我们将演示如何使用Apache Hadoop的MapReduce框架计算学生总分和平均分。针对包含姓名和六门科目成绩的五条记录数据，我们将在Hadoop上进行以下步骤：启动服务，准备数据（创建score.txt文件并上传到HDFS的/calcscore/input目录）；实现MapReduce过程，包括创建Maven项目、添加依赖、配置日志、编写ScoreMapper和ScoreReducer类，以及设置作业的ScoreDriver类。在ScoreMapper中，我们将每行数据拆分为姓名和科目成绩的键值对。
2024-01-08 18:33:43
965
原创 MR实战：学生信息排序
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。本教程将通过实现学生信息排序任务。首先，启动Hadoop服务，创建目录和包含学生信息的文件，然后将其上传到HDFS的目录。接着，创建。
2024-01-08 16:51:22
889
原创 MR实战：分科汇总求月考平均分
在本次实战中，我们将利用Hadoop MapReduce处理学生月考成绩数据，目标是计算每个同学语文、数学和英语的平均分。通过启动Hadoop服务、准备数据、创建Maven项目以及实现Mapper、Reducer和Driver类，我们将深入实践大数据处理流程。此任务将帮助我们理解MapReduce的工作原理，并提升大数据分析能力。一起来探索分布式计算的力量，揭示隐藏在海量数据中的学习表现趋势。
2024-01-08 11:52:10
896
原创 Hive实战：分科汇总求月考平均分
在这个实战中，我们使用了Hive框架来处理学生的月考成绩数据。首先，我们准备了三个文本文件，分别包含了语文、数学和英语的月考成绩数据。这些数据被上传到HDFS的指定目录。接着，我们启动了Hive Metastore服务，并通过Hive客户端连接到Hive。在Hive中，我们创建了一个分区表student_score，用于存储学生的成绩数据，其中分区字段为科目（subject）。然后，我们按照科目将数据加载到分区表中，分别加载了语文、数学和英语的成绩数据。
2024-01-05 23:03:10
955
1
原创 Hive实战：学生信息排序
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大数据应用张三丰男20人工智能应用郑晓琳女18软件技术唐宇航男22计算机应用陈燕文女21软件技术童安格男19大数据应用肖雨涵男20软件技术冯晓华女18大数据应用。
2024-01-04 16:17:15
437
1
原创 Hive实战：实现数据去重
在本次实战任务中，我们利用Hive大数据处理框架对三个文本文件（ips01.txt、ips02.txt、ips03.txt）中的IP地址进行了整合与去重。首先，在虚拟机上创建了这三个文本文件，并将它们上传至HDFS的/deduplicate/input目录下作为原始数据源。接着，启动了Hive Metastore服务和客户端，以管理和访问元数据信息。
2024-01-04 15:31:04
2357
1
原创 Hive实战：词频统计
在本次实战中，我们任务是在大数据环境下使用Hive进行词频统计。首先，我们在master虚拟机上创建了一个名为test.txt的文本文件，内容包含一些关键词的句子。接着，我们将该文本文件上传到HDFS的目录，作为数据源。随后，我们启动了服务和Hive客户端，为数据处理做准备。在Hive客户端中，我们创建了一个名为t_word的外部表，该表的结构包含一个字符串类型的word字段，并将其位置设置为HDFS中的目录。这样，Hive就可以直接读取和处理HDFS中的文本数据。
2024-01-03 11:45:32
1294
1
原创 Hive实战：统计总分与平均分
执行命令：hdfs dfs -put score.txt /hivescore/input。将score.txt文件上传到HDFS的/hivescore/input目录。在HDFS上创建/hivescore/input目录。(吴雨涵, 384, 384.0)(张晓红, 391, 391.0)(李小双, 444, 444.0)(王丽霞, 418, 418.0)(陈燕文, 458, 458.0)
2024-01-03 11:33:18
2948
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人