熟悉常用的HBase操作，编写MapReduce作业

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', ' S_No ','S_Name', ’S_Sex’,'S_Age'
put 'Student','1','S_No','2015001'
put 'Student','1','S_Name','Wangwu'
put 'Student','1','S_Sex','male'
put 'Student','1','S_Age','23'
put 'Student','2','S_No','2015003'
put 'Student','2','S_Name','Mary'
put 'Student','2','S_Sex','female'
put 'Student','2','S_Age','22'
put 'Student','3','S_No','2015003'
put 'Student','3','S_Name','Lisi'
put 'Student','3','S_Sex','male'
put 'Student','3','S_Age','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'

 

scan 'Student'
alter 'Student','NAME'=>'course'
put 'Student','3','course:Math','85'
dorp 'Student','course'
count 's1'
truncate 's1'

 

 

3. 用Python编写WordCount程序任务

程序	WordCount
输入	一个包含大量单词的文本文件
输出	文件中每个单词及其出现次数（频数），并按照单词字母顺序排序，每个单词和其频数占一行，单词和频数之间有间隔

a.编写map函数，reduce函数

 

#创造mapper.py文件
cd /home/hadoop/wc
sudo gedit mapper.py
 
 
#map函数
#!/usr/bin/env python
import sys
for i in stdin:
    i = i.strip()
    words = i.split()
    for word in words:
    print '%s\t%s' % (word,1)
 
 
#reduce函数
#!/usr/bin/env python
from operator import itemgetter
import sys
 
current_word = None
current_count = 0
word = None
 
for i in stdin:
    i = i.strip()
    word, count = i.split('\t',1)
    try:
    count = int(count)
    except ValueError:
    continue
 
    if current_word == word:
    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)

 

b.将其权限作出相应修改

#!/usr/bin/env python
cd /home/hadoop/wc
sudo gedit reducer.py
#赋予权限
chmod a+x /home/hadoop/mapper.py

 

c.本机上测试运行代码

echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py

echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py | sort -k1,1 | /home/hadoop/wc/reducer.p

 

d.放到HDFS上运行

e.下载并上传文件到hdfs上

1. #上传文件
   cd  /home/hadoop/wc
   wget http://www.gutenberg.org/files/5000/5000-8.txt
   wget http://www.gutenberg.org/cache/epub/20417/pg20417.txt
    
   #下载文件
   cd /usr/hadoop/wc
   hdfs dfs -put /home/hadoop/hadoop/gutenberg/*.txt /user/hadoop/input

   f用Hadoop Streaming命令提交任务