12.31日报

完成大型数据库实验五，以下为实验内容：

实验5

MapReduce初级编程实践

 

1.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。

2.实验平台

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

（2）Hadoop版本：3.1.3

3.实验步骤

（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

 

4.实验报告

题目：	MapReduce初级编程实践	姓名 李健龙		日期 2024/12/15
实验环境：Ubuntu 18.04.6 LTS Hadoop 3.1.3
实验内容与完成情况： Java： import java.io.IOException;   import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.apache.hadoop.util.GenericOptionsParser;   public class Merge {       /**      * @param args      * 对A,B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      */     //重载map函数，直接将输入中的value复制到输出数据的key上     public static class Map extends Mapper<Object, Text, Text, Text>{         private static Text text = new Text();         public void map(Object key, Text value, Context context) throws IOException,InterruptedException{             text = value;             context.write(text, new Text(""));//括号内容作为中间结果扔出去交给shuffle处理         }     }       //重载reduce函数，直接将输入中的key复制到输出数据的key上     public static class Reduce extends Reducer<Text, Text, Text, Text>{         public void reduce(Text key, Iterable<Text> values, Context context ) throws IOException,InterruptedException{             context.write(key, new Text(""));         }     }       public static void main(String[] args) throws Exception{           // TODO Auto-generated method stub         Configuration conf = new Configuration();//程序运行时的参数         conf.set("fs.default.name","hdfs://localhost:9000");         String[] otherArgs = new String[]{"input","output"}; /* 直接设置输入参数 */         if (otherArgs.length != 2) {             System.err.println("Usage: wordcount <in><out>");             System.exit(2);         }         Job job = Job.getInstance(conf,"Merge and duplicate removal");//设置环境参数         job.setJarByClass(Merge.class);//设置整个程序的类名         job.setMapperClass(Map.class);//添加Mapper类         job.setCombinerClass(Reduce.class);//设置Combiner类         job.setReducerClass(Reduce.class);//添加Reducer类         job.setOutputKeyClass(Text.class);//设置输出类型         job.setOutputValueClass(Text.class);//设置输出类型         FileInputFormat.addInputPath(job, new Path(otherArgs[0]));//设置输入原始文件文件路径         FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));//设置输出文件路径         //Job运行是通过job.waitForCompletion(true)，true表示将运行进度等信息及时输出给用户，false的话只是等待作业结束         boolean result = job.waitForCompletion(true);         System.exit(result ? 0 : 1);     }   } java： import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.apache.hadoop.util.GenericOptionsParser;   public class Merge {       /**      * @param args      * 对A,B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      */       // 重载map函数，直接将输入中的value复制到输出数据的key上     public static class Map extends Mapper<Object, Text, Text, Text> {         private static Text text = new Text();           public void map(Object key, Text value, Context context) throws IOException, InterruptedException {             text = value;             context.write(text, new Text(""));  // 括号内容作为中间结果扔出去交给shuffle处理         }     }       // 重载reduce函数，直接将输入中的key复制到输出数据的key上     public static class Reduce extends Reducer<Text, Text, Text, Text> {         public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {             context.write(key, new Text(""));         }     }       public static void main(String[] args) throws Exception {         // 配置程序运行时的参数         Configuration conf = new Configuration();         conf.set("fs.default.name", "hdfs://localhost:9000");           String[] otherArgs = new String[]{"input", "output"};           // 直接设置输入参数         if (otherArgs.length != 2) {             System.err.println("Usage: wordcount <in><out>");             System.exit(2);         }           // 设置作业的环境参数         Job job = Job.getInstance(conf, "Merge and duplicate removal");         job.setJarByClass(Merge.class);  // 设置整个程序的类名         job.setMapperClass(Map.class);  // 添加Mapper类         job.setCombinerClass(Reduce.class);  // 设置Combiner类         job.setReducerClass(Reduce.class);  // 添加Reducer类         job.setOutputKeyClass(Text.class);  // 设置输出类型         job.setOutputValueClass(Text.class);  // 设置输出类型           // 设置输入文件路径和输出文件路径         FileInputFormat.addInputPath(job, new Path(otherArgs[0]));  // 设置输入原始文件文件路径         FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));  // 设置输出文件路径           // 运行Job，true表示实时输出作业的进度等信息，false只等作业结束         boolean result = job.waitForCompletion(true);         System.exit(result ? 0 : 1);     } }
出现的问题：MapReduce程序无法正确读取输入文件     父子辈关系解析错误
解决方案（列出遇到的问题和解决办法，列出没有解决的问题）：确保输入文件路径正确，并且Hadoop有权限访问这些文件。      确保MapReduce程序正确解析输入文件中的父子关系。