12.28

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

 

Mapper

Java

深色版本

public class MergeAndDeduplicateMapper extends Mapper<LongWritable, Text, Text, Text> {

    private final static Text one = new Text("1");

 

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String line = value.toString().trim();

        if (!line.isEmpty()) {

            String[] parts = line.split("\\s+");

            if (parts.length == 2) {

                context.write(new Text(parts[0]), new Text(parts[1]));

            }

        }

    }

}

Reducer

Java

深色版本

public class MergeAndDeduplicateReducer extends Reducer<Text, Text, Text, Text> {

 

    public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {

        for (Text val : values) {

            context.write(key, val);

        }

    }

}

（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

 

Mapper

Java

深色版本

public class IntegerSortMapper extends Mapper<LongWritable, Text, IntWritable, NullWritable> {

 

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String line = value.toString().trim();

        if (!line.isEmpty()) {

            try {

                int num = Integer.parseInt(line);

                context.write(new IntWritable(num), NullWritable.get());

            } catch (NumberFormatException e) {

                // 忽略无法转换为整数的行

            }

        }

    }

}

Reducer

Java

深色版本

public class IntegerSortReducer extends Reducer<IntWritable, NullWritable, IntWritable, IntWritable> {

    private int rank = 1;

 

    public void reduce(IntWritable key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException {

        context.write(new IntWritable(rank++), key);

    }

}

（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：	实验5   MapReduce初级编程实践	姓名	胡铁丞	日期 2024-12-2日
实验环境：（1）操作系统：Linux；   （2）Hadoop版本：3.1.0。   （3）虚拟机：VMware。   （4）工具：xshell。   （5）JDK版本：1.8；   （6）Java IDE：IDEA。
实验内容与完成情况：完成
出现的问题：(1) 权限不对运行失败,尝试过root仍不行   (2) 目录不对,找不到目录
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）：(1) System.setProperty("HADOOP_USER_NAME", "anta");权限应该是用户   (2) 应该为hdfs的路径   String[] otherArgs = new String[]{"/user/hadoop/input","/user/hadoop/output"};