补交作业

熟悉常用的hdfs操作

1. 以下关系型数据库中的表和数据，要求将其转换为适合于HBase存储的表并插入数据：

学生表（Student）（不包括最后一列）

学号（S_No）	姓名（S_Name）	性别（S_Sex）	年龄（S_Age）	课程（course）
2015001	Zhangsan	male	23
2015003	Mary	female	22
2015003	Lisi	male	24	数学（Math）85

create 'Student',{NAME=>'S_No',VERSIONS=>5},{NAME=>'S_Name',VERSIONS=>5},{NAME=>'S_Sex',VERSIONS=>5},{NAME=>'S_Age',VERSIONS=>5}
put 'Student','2015001','sname','Zhangsan'
put 'Student','2015001','ssex','male'
put 'Student','2015001','sage','23'
put 'Student','2015002','sname','Mary'
put 'Student','2015002','ssex','female'
put 'Student','2015002','sage','22'
put 'Student','2015003','sname','Lisi'
put 'Student','2015003','ssex','male'
put 'Student','2015003','sage','24

2. 用Hadoop提供的HBase Shell命令完成相同任务：

• 列出HBase所有的表的相关信息；list
• 在终端打印出学生表的所有记录数据；
• 向学生表添加课程列族；
• 向课程列族添加数学列并登记成绩为85；
• 删除课程列；
• 统计表的行数；count 's1'
• 清空指定的表的所有记录数据；truncate 's1'

• list
  scan 'Student'
  alter ‘Student',NAME=>'course'
  put 'Student','3','course:Math','85’
  dorp 'Student','course'
  count 'Student'
  truncate 'Student'

   

用mapreduce 处理气象数据集

编写程序求每日最高最低气温，区间最高最低气温

1. 气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/pub/data/noaa
2. 按学号后三位下载不同年份月份的数据（例如201506110136号同学，就下载2013年以6开头的数据，看具体数据情况稍有变通）
3. 解压数据集，并保存在文本文件中

4. cd /usr/hadoop
   sodu mkdir qx
   cd /usr/hadoop/qx
   
   wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2017/7*
   
   cd /usr/hadoop/qx/data/ftp.ncdc.noaa.gov/pub/data/noaa/2017
   sudo zcat 7*.gz >qxdata.txt
   cd /usr/hadoop/qx

    

5. 对气象数据格式进行解析

   #！/usr/bin/env python
   import sys
   for i in sys.stdin:
        i = i.strip()
        d = i[15:23]
        t = i[87:92]
   
        print '%s\t%s' % (d,t)

    

6. 编写map函数，reduce函数

   #!/usr/bin/env python
   from operator import itemggetter
   import sys
   
   current_word = None
   current_count = 0
   word = None
   
   for i in sys.stdin:
        i = i.strip()
        word,count = i.split('\t', 1)
        try:
             count = int(count)
        except ValueError:
             continue
   
        if current_word == word:
            if current_count > count:
                 current_count = count
        else:
            if current_word:
                print '%s\t%s' % (current_word, current_count)
            current_count = count
            current_word = word
   
   if current_word == word:
        print '%s\t%s' % (current_word, current_count)

    

7. 将其权限作出相应修改

8. chmod a+x /usr/hadoop/qx/mapper.py
   chmod a+x /usr/hadoop/qx/reducer.py

    

9. 本机上测试运行代码
10. 放到HDFS上运行
    1. 将之前爬取的文本文件上传到hdfs上
    2. 用Hadoop Streaming命令提交任务
11. 查看运行结果

hive基本操作与应用

通过hadoop上的hive完成WordCount

启动hadoop

Hdfs上创建文件夹

上传文件至hdfs

启动Hive

创建原始文档表

导入文件内容到表docs并查看

用HQL进行词频统计，结果放在表word_count里

查看统计结果

在这里：http://www.cnblogs.com/FZW1874402927/p/9085246.html