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','sname','ssex','sage'
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'

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

1. 编写map函数，reduce函数
2. 将其权限作出相应修改
3. 本机上测试运行代码
4. 放到HDFS上运行
5. 下载并上传文件到hdfs上
6. 用Hadoop Streaming命令提交任务

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)

 

创造reduce.py文件

cd /home/hadoop/wc
sudo gedit reducer.py

 

赋予权限

chmod a+x /home/hadoop/mapper.py

 

测试代码

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

 

下载文件上传

#上传
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
cd /usr/hadoop/wc
hdfs dfs -put /home/hadoop/hadoop/gutenberg/*.txt /user/hadoop/input