LiJT的灵质空间

Hadoop 实战练习记录

发表于 更新于 阅读次数：
本文字数： 3.3k 阅读时长 ≈ 3 分钟

写在前面

本篇记录Hadoop实战学习中的笔记以及问题分析。

Mapreduce 实战

Mapreduce 程序模型

什么是Mapreduce

MapReduce是一种可用于数据处理的编程模型，我们现在设想一个场景，你接到一个任务，任务是：挖掘分析我国气象中心近年来的数据日志，该数据日志大小有3T,让你分析计算出每一年的最高气温，如果你现在只有一台计算机，如何处理呢？我想你应该会读取这些数据，并且将读取到的数据与目前的最大气温值进行比较。比较完所有的数据之后就可以得出最高气温了。不过以我们的经验都知道要处理这么多数据肯定是非常耗时的。

如果我现在给你三台机器，你会如何处理呢？你应该想到了：最好的处理方式是将这些数据切分成三块，然后分别计算处理这些数据（Map），处理完毕之后发送到一台机器上进行合并（merge），再计算合并之后的数据，归纳（reduce）并输出。

这就是一个比较完整的MapReduce的过程了。

Mapreduce原理

Mapreduce程序结构(以Word Count为例)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
import java.io.IOException;
import java.util.StringTokenizer;
 
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.*;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {
//Mapper类
/*LongWritable表示每一行起始偏移量
第一个Text是用来接受文件中的内容，
第二个Text是用来输出给Reduce类的key,
IntWritable是用来输出给Reduce类的value*/
 public static class TokenizerMapper 
       extends Mapper<LongWritable, Text, Text, IntWritable>{
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
    public void map(LongWritable key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }
  public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();
    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }
  public static void main(String[] args) throws Exception {
    //创建配置对象
    Configuration conf = new Configuration();
    //创建job对象
    Job job = new Job(conf, "word count");
    //设置运行job的类
    job.setJarByClass(WordCount.class);
    //设置Mapper的类
    job.setMapperClass(TokenizerMapper.class);
    //设置Reduce的类
    job.setReducerClass(IntSumReducer.class);
    //设置输出的key value格式
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    //设置输入路径
    String inputfile = "/usr/input";
    //设置输出路径
    String outputFile = "/usr/output";
    //执行输入
    FileInputFormat.addInputPath(job, new Path(inputfile));
    //执行输出
    FileOutputFormat.setOutputPath(job, new Path(outputFile));
    //是否运行成功，true输出0，false输出1
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

Hbase 实战

这里主要记录Hbase shell里的一些常用指令

创建表

新建一个名为test的表，使其中包含一个名为data的列，表和列族属性都为默认值：

1
create 'test','data'

创建完成后，我们可以输入list来查看表是否创建成功

添加数据

我们来给上一关创建的test表的列data添加一些数据.使用put命令可以用来添加数据，使用get命令可以获取数据。

1
2
3
put 'test','row1','data:1','value1'
put 'test','row2','data:2','value2'
get 'test','row1'

输入scan命令就可以查看所有的数据了

删除数据和表

删除整行数据：deleteall [表名]，[行名称]

1
deleteall 'test','row1'

删除表需要先禁用、再删除。分为两步：

1
2
disable 表名
drop 表名