11.15

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	刘雪超	日期：12.02
实验环境：（1）操作系统：Linux（建议Ubuntu16.04或Ubuntu18.04） （2）Hadoop版本：3.1.3
实验内容与完成情况： （一）编程实现文件合并和去重操作 为了实现两个输入文件的合并与去重，我们可以使用MapReduce框架。下面是一个简单的Hadoop MapReduce程序示例，它将读取两个文件作为输入，并输出一个无重复项的新文件。 Mapper.java import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper;   import java.io.IOException;   public class MergeMapper extends Mapper<LongWritable, Text, Text, Text> {       @Override     protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {         // 假设输入格式为 "date\tvalue"         String[] parts = value.toString().split("\t");         if (parts.length == 2) {             context.write(new Text(parts[0]), new Text(parts[1]));         }     } } Reducer.java import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer;   import java.io.IOException; import java.util.HashSet; import java.util.Set;   public class MergeReducer extends Reducer<Text, Text, Text, Text> {       @Override     protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {         Set<String> uniqueValues = new HashSet<>();         for (Text val : values) {             uniqueValues.add(val.toString());         }           for (String value : uniqueValues) {             context.write(key, new Text(value));         }     } } Driver.java import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;   public class MergeDriver {       public static void main(String[] args) throws Exception {         Configuration conf = new Configuration();         Job job = Job.getInstance(conf, "Merge and Deduplicate");           job.setJarByClass(MergeDriver.class);         job.setMapperClass(MergeMapper.class);         job.setReducerClass(MergeReducer.class);           job.setOutputKeyClass(Text.class);         job.setOutputValueClass(Text.class);           FileInputFormat.addInputPath(job, new Path(args[0])); // 输入路径可以是多个文件或目录         FileOutputFormat.setOutputPath(job, new Path(args[1]));           System.exit(job.waitForCompletion(true) ? 0 : 1);     } } （二）编写程序实现对输入文件的排序 对于整数排序任务，同样可以使用MapReduce来完成。这里的关键是让Mapper直接输出键值对（整数值作为key），然后利用Hadoop的默认排序机制（按照key升序排列）在Shuffle阶段自动排序。 SortMapper.java import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper;   import java.io.IOException;   public class SortMapper extends Mapper<LongWritable, Text, IntWritable, IntWritable> {       @Override     protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {         try {             int number = Integer.parseInt(value.toString().trim());             context.write(new IntWritable(number), new IntWritable(number));         } catch (NumberFormatException e) {             // 忽略非数字行         }     } } SortReducer.java import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer;   import java.io.IOException;   public class SortReducer extends Reducer<IntWritable, IntWritable, IntWritable, IntWritable> {       private int rank = 1;       @Override     protected void reduce(IntWritable key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {         for (IntWritable value : values) {             context.write(new IntWritable(rank++), value);         }     } } SortDriver.java import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;   public class SortDriver {       public static void main(String[] args) throws Exception {         Configuration conf = new Configuration();         Job job = Job.getInstance(conf, "Sort Numbers");           job.setJarByClass(SortDriver.class);         job.setMapperClass(SortMapper.class);         job.setReducerClass(SortReducer.class);           job.setOutputKeyClass(IntWritable.class);         job.setOutputValueClass(IntWritable.class);           FileInputFormat.addInputPath(job, new Path(args[0]));         FileOutputFormat.setOutputPath(job, new Path(args[1]));           System.exit(job.waitForCompletion(true) ? 0 : 1);     } } 三）对给定的表格进行信息挖掘 import java.io.*; import java.util.*;   public class FamilyTree {     // 存储父子关系     private static Map<String, List<String>> parentChildRelations = new HashMap<>();       public static void main(String[] args) {         String inputFilePath = "input.txt";         String outputFilePath = "output.txt";           try {             // 加载并解析输入文件中的父子关系             loadParentChildRelations(inputFilePath);               // 找出所有祖孙关系             Map<String, List<String>> grandparentGrandchildRelations = findGrandparentGrandchildRelations();               // 将祖孙关系写入输出文件             writeGrandparentGrandchildRelations(outputFilePath, grandparentGrandchildRelations);         } catch (IOException e) {             System.err.println("Error processing files: " + e.getMessage());         }     }       // 从文件加载父子关系     private static void loadParentChildRelations(String filePath) throws IOException {         try (BufferedReader br = new BufferedReader(new FileReader(filePath))) {             String line;             while ((line = br.readLine()) != null) {                 if (line.trim().isEmpty() || line.startsWith("child")) continue; // 跳过空行和标题行                   String[] parts = line.split("\\s+");                 if (parts.length == 2) {                     String child = parts[0].trim();                     String parent = parts[1].trim();                     parentChildRelations.computeIfAbsent(parent, k -> new ArrayList<>()).add(child);                 }             }         }     }       // 查找所有祖孙关系     private static Map<String, List<String>> findGrandparentGrandchildRelations() {         Map<String, List<String>> grandparentGrandchildRelations = new HashMap<>();         for (Map.Entry<String, List<String>> entry : parentChildRelations.entrySet()) {             String parent = entry.getKey();             for (String child : entry.getValue()) {                 List<String> grandchildren = parentChildRelations.get(child);                 if (grandchildren != null && !grandchildren.isEmpty()) {                     for (String grandchild : grandchildren) {                         grandparentGrandchildRelations.computeIfAbsent(grandchild, k -> new ArrayList<>()).add(parent);                     }                 }             }         }         return grandparentGrandchildRelations;     }       // 写祖孙关系到文件     private static void writeGrandparentGrandchildRelations(String filePath, Map<String, List<String>> relations) throws IOException {         try (BufferedWriter bw = new BufferedWriter(new FileWriter(filePath))) {             bw.write("grandchild\tgrandparent\n");             for (Map.Entry<String, List<String>> entry : relations.entrySet()) {                 String grandchild = entry.getKey();                 for (String grandparent : entry.getValue()) {                     bw.write(grandchild + "\t" + grandparent + "\n");                 }             }         }     } }