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_Name','S_Sex','S_Age'
put 'Student','2015001','S_Name','Zhangshan'
put 'Student','2015001','S_Sex','male'

put 'Student','2015001','S_Age','23'

put 'Student','2015002','S_Name','Mary'

put 'Student','2015002','S_Sex','female'

put 'Student','2015002','S_Age','22'

put 'Student','2015003','S_name','Lisi'

put 'Student','2015003','S_Sex','male'

put 'Student','2015003','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'
• 

 

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

   1. #!/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)

   2. #!/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)

2. 将其权限作出相应修改

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

3. 本机上测试运行代码

   1. 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

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

7. 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