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','s001','S_No','2015001'
put 'Student','s001','S_Name','Zhangsan'
put 'Student','s001','S_Sex','male'
put 'Student','s001','S_Age','23'

put 'Student','s002','S_No','2015003'
put 'Student','s002','S_Name','Mary'
put 'Student','s002','S_Sex','female'
put 'Student','s002','S_Age','22'

put 'Student','s003','S_No','2015003'
put 'Student','s003','S_Name','Lisi'
put 'Student','s003','S_Sex','male'
put 'Student','s003','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

1. 编写map函数，reduce函数

2. cd /home/hadoop/wc
   sudo gedit mapper.py
   
   # map函数
   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
   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)

    

3. 将其权限作出相应修改

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

    

5. 本机上测试运行代码

6. 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

    

7. 放到HDFS上运行
8. 下载并上传文件到hdfs上
9. 用Hadoop Streaming命令提交任务

10. cd  /home/hadoop/wc
    wget http://www.gutenberg.org/files/5000/5000-8.txt
    wget http://www.gutenberg.org/cache/epub/20417/pg20417.txt
    
    
    cd /usr/hadoop/wc
    hdfs dfs -put /home/hadoop/hadoop/gutenberg/*.txt /user/hadoop/input