大数据（MapReduce的编程细节及其Hive的安装，简单操作）

 

---

MapReduce编程细节分析

• MapReduce中,Reduce可以没有 (纯数据的清洗,不用Reduce)

    job.setNumReduceTasks(0);

• 设置多个Reduce

  // 默认在MapReduce中 Reduce的数量是1 
  job.setNumReduceTasks(3);
  ​
  //为什么Reduce的数量可以设置为多个
  内存角度  并行角度 
  ​
  //如果Reduce数量多个话,那么生成结果也是多个独立的文件,放置在同一个目录下

• Partition 分区

  分区的作用: Map 输出的key,合理分配对应的Reduce进行处理
  默认的分区策略:
  

  key%reduceNum = 
  public class HashPartitioner<K, V> extends Partitioner<K, V> {
      public HashPartitioner() {
      }
  ​
      public int getPartition(K key, V value, int numReduceTasks) {
          return (key.hashCode() & 2147483647) % numReduceTasks;
      }
  }
  ​
  自定义分区策略
  public class MyPartitioner<K,V> extends Partitioner<K,V>{
      
  }
  job.setPartitionerClass(MyPartitioner.class);

• Map的压缩

  1. core-site.xml
  2. mapred-site.xml

   

  

   

 

• Combainer编程

  Map端的Reduce
  job.setCombinerClass(MyReduce3.class);

• Counter计数器

   Counter counter = context.getCounter("lhcCounter", "mapCount");
   counter.increment(1L);

Hive编程

概念: Hive是apache组织开源的一个数据仓库框架,最开始是FaceBook提供的.
​
1. 数据仓库
数据库    DataBase
存储的数据量级   小    价值高
数据仓库  DataWareHouse 
存储的数据量级  大   价值低
​
2. Hive底层依附的是Hadoop 
​
3. 以类SQL(HQL Hive Query Languge) 的方式运行MR,操作HDFS上的数据

• Hive的原理分析

  Hive Hadoop on SQL
  SparkQL  Spark on SQL
  Presto  Impala  kylin

• 

   

• Hive基本环境的搭建

  1. 搭建Hadoop
  2. Hive安装 加压缩
  3. 配置 
     hive-env.sh
     # Set HADOOP_HOME to point to a specific hadoop install directory
  HADOOP_HOME=/opt/install/hadoop-2.5.2
  ​
  # Hive Configuration Directory can be controlled by:
  export HIVE_CONF_DIR=/opt/install/apache-hive-0.13.1-bin/conf
     4. 在hdfs 创建  /tmp  数据库表对应的路径
                     /user/hive/warehouse
     5. 启动hive
  bin/hive

   

• Hive的基本使用

  1. hive数据库
     show databases;
     create database if not exists lhc_140
     use lhc_140
  2. 表相关操作
     show tables;
     create table if not exists t_user(
      id int,
      name string
      )row format delimited fields terminated by '\t';
  3. 插入数据 导入数据 本地操作系统文件 向 hive表 导入数据
     load data local inpath '/root/data3' into table t_user;
  4. SQL语句
     select * from t_user;

• Hive与HDFS对应的一个介绍

  1. 数据库对应的就是一个HDFS目录
  lhc141  /user/hive/warehouse/mydb
  2. 表对应一个HDFS目录
  /user/hive/warehouse/mydb/t_user
  3. 表中的数据 对应的是 HDFS上的文件
   load data local inpath '/root/data3' into table t_user;
   bin/hdfs dfs -put /root/data3 /user/hive/warehouse/mydb/t_user