skyl夜 - 博客园

2015年8月17日

摘要： yum install mysql-serverLinux环境下直接使用RPM包安装mysql，会报冲突错误。1.这时候先使用命令 "rpm -qa | grep mysql" 查询出和mysql相关的RPM包。2.然后使用命令 "rpm -e *-mysql-*" (-e代表擦除)删除自带的RPM... 阅读全文

posted @ 2015-08-17 11:04 skyl夜阅读(235) 评论(0) 推荐(0)

Hive-0.13安装

摘要： Hive只需在使用节点安装即可。1.上传tar包、解压 tar -zxvf apache-hive-0.13.0-bin.tar.gz -C /hadoop/　配置HIVE_HOME环境变量 /etc/profile2.安装mysql rpm -qa | grep mysql rpm -e ... 阅读全文

posted @ 2015-08-17 10:58 skyl夜阅读(487) 评论(0) 推荐(0)

2015年8月15日

MR案例：单表关联查询

摘要： "单表关联"这个实例要求从给出的数据中寻找所关心的数据，它是对原始数据所包含信息的挖掘。需求：实例中给出 child-parent（孩子—父母）表，要求输出 grandchild-grandparent(孙子—爷奶)表。package test;import java.io.IOException;... 阅读全文

posted @ 2015-08-15 13:30 skyl夜阅读(590) 评论(0) 推荐(0)

MR案例：小文件处理方案

摘要： HDFS被设计来存储大文件，而有时候会有大量的小文件生成，造成NameNode资源的浪费，同时也影响MapReduce的处理效率。有哪些方案可以合并这些小文件，或者提高处理小文件的效率呢？1). 所有HDFS小文件数据导出到本地单个文件后，再存入HDFS[root@ncst ~]# hadoop f... 阅读全文

posted @ 2015-08-15 13:24 skyl夜阅读(1644) 评论(0) 推荐(0)

MR案例：链式ChainMapper

摘要：类似于Linux管道重定向机制，前一个Map的输出直接作为下一个Map的输入，形成一个流水线。设想这样一个场景：在Map阶段，数据经过mapper01和mapper02处理；在Reduce阶段，数据经过sort和shuffle后，交给对应的reducer处理。reducer处理后并没有直接写入到Hd... 阅读全文

posted @ 2015-08-15 13:14 skyl夜阅读(683) 评论(0) 推荐(0)

MR案例：定制Partitioner

摘要：可以继承基类Partitioner，也可以继承默认的HashPartitioner类，覆写其中的 getPartition() 方法实现自己的分区。需求：本例是对上一个实例的改写，需求不变package country;import java.io.IOException;import java.i... 阅读全文

posted @ 2015-08-15 13:12 skyl夜阅读(349) 评论(0) 推荐(0)

MR案例：多文件输出MultipleOutputs

摘要：问题描述：现有 ip-to-hosts.txt 数据文件，文件中每行数据有两个字段：分别是ip地址和该ip地址对应的国家，以'\t'分隔。要求汇总不同国家的IP数，并以国家名为文件名将其输出。解读：MultipleOutputs类测试数据：ip-to-hosts.txt18.217.167.70 U... 阅读全文

posted @ 2015-08-15 13:08 skyl夜阅读(1489) 评论(0) 推荐(1)

MR案例：定制InputFormat

摘要：数据输入格式InputFormat类用于描述MR作业的输入规范，主要功能：输入规范检查（比如输入文件目录的检查）、对数据文件进行输入切分和从输入分块中将数据记录逐一读取出来、并转化为Map的输入键值对。细节详见解读：标准输入/输出格式Hadoop中最常用的数据输入格式包括：TextInputForm... 阅读全文

posted @ 2015-08-15 12:58 skyl夜阅读(903) 评论(0) 推荐(1)

定制Writable类

摘要：以IntWritable为例介绍，定制writable的步骤//继承 WritableComparable接口(继承了writable接口和comparable接口)public class IntWritable implements WritableComparable {//定义普通java类... 阅读全文

posted @ 2015-08-15 12:50 skyl夜阅读(372) 评论(0) 推荐(0)

解读：Hadoop序列化类

摘要：序列化（serialization）是指将结构化的对象转化字节流，以便在进程间通信或写入硬盘永久存储。反序列化（deserialization）是指将字节流转回到结构化对象的过程。需要注意的是，能够在网络上传输的只能是字节流。所以，Map的中间结果在不同主机间Shuffle洗牌时，结构化对象将经历序... 阅读全文

posted @ 2015-08-15 12:37 skyl夜阅读(1127) 评论(0) 推荐(0)

公告