首页 > 其他分享 >12.18

12.18

时间：2024-12-18 18:19:47浏览次数：6  
标签：hadoop new job org apache import 12.18

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

 

代码：

package org.example.five;

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 Merge {
    /**
     * @paramargs
     * 对 A,B 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
     */
//重载 map 函数，直接将输入中的 value 复制到输出数据的 key 上
    public static class Map extends Mapper<Object, Text, Text, Text>{
        private static Text text = new Text();
        public void map(Object key, Text value, Context context) throws
                IOException,InterruptedException{
            text = value;
            context.write(text, new Text(""));
        }
    }
    //重载 reduce 函数，直接将输入中的 key 复制到输出数据的 key 上
    public static class Reduce extends Reducer<Text, Text, Text, Text>{
        public void reduce(Text key, Iterable<Text> values, Context context )
                throws IOException,InterruptedException{
            context.write(key, new Text(""));
        }
    }
    public static void main(String[] args) throws Exception{
// TODO Auto-generated method stub
        Configuration conf = new Configuration();
        conf.set("fs.default.name","hdfs://192.168.91.128:9000");
        String[] otherArgs = new String[]{"input","output"}; /* 直接设置输入参
数 */
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in> <out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf,"Merge and duplicate removal");
        job.setJarByClass(Merge.class);
        job.setMapperClass(Map.class);
        job.setCombinerClass(Reduce.class);
        job.setReducerClass(Reduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

 

 

（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

 

package org.example.five;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Partitioner;
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 MergeSort {
    /**
     * @paramargs 输入多个文件，每个文件中的每行内容均为一个整数
     * 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
     */
    //map 函数读取输入中的 value，将其转化成 IntWritable 类型，最后作为输出 key
    public static class Map extends Mapper<Object, Text, IntWritable,
            IntWritable> {
        private static IntWritable data = new IntWritable();

        public void map(Object key, Text value, Context context) throws
                IOException, InterruptedException {
            String text = value.toString();
            data.set(Integer.parseInt(text));
            context.write(data, new IntWritable(1));
        }
    }

    //reduce 函数将 map 输入的 key 复制到输出的 value 上，然后根据输入的 value-list中元素的个数决定 key 的输出次数,定义一个全局变量 line_num 来代表 key 的位次
    public static class Reduce extends Reducer<IntWritable, IntWritable,
            IntWritable, IntWritable> {
        private static IntWritable line_num = new IntWritable(1);

        public void reduce(IntWritable key, Iterable<IntWritable> values,
                           Context context) throws IOException, InterruptedException {
            for (IntWritable val : values) {
                context.write(line_num, key);
                line_num = new IntWritable(line_num.get() + 1);
            }
        }
    }

    //自定义 Partition 函数，此函数根据输入数据的最大值和 MapReduce 框架中Partition 的数量获取将输入数据按照大小分块的边界，然后根据输入数值和边界的关系返回对应的 Partiton ID
    public static class Partition extends Partitioner<IntWritable,
            IntWritable> {
        public int getPartition(IntWritable key, IntWritable value, int
                num_Partition) {
            int Maxnumber = 65223;//int 型的最大数值
            int bound = Maxnumber / num_Partition + 1;
            int keynumber = key.get();
            for (int i = 0; i < num_Partition; i++) {
                if (keynumber < bound * (i + 1) && keynumber >= bound * i) {
                    return i;
                }
            }
            return -1;
        }
    }

    public static void main(String[] args) throws Exception {
        // TODO Auto-generated method stub
        Configuration conf = new Configuration();
        conf.set("fs.default.name", "hdfs://master:9000");
        String[] otherArgs = new String[]{"input", "output"}; /* 直接设置输入参 数 */
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in> <out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf, "Merge and sort");
        job.setJarByClass(MergeSort.class);
        job.setMapperClass(Map.class);
        job.setReducerClass(Reduce.class);
        job.setPartitionerClass(Partition.class);
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

①上传文件到hdfs

 

 

②运行代码

 

 

 

 

（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

package org.example.five;

import java.io.IOException;
import java.util.*;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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 simple_data_mining {
    public static int time = 0;

    /**
     * @paramargs 输入一个 child-parent 的表格
     * 输出一个体现 grandchild-grandparent 关系的表格
     */
//Map 将输入文件按照空格分割成 child 和 parent，然后正序输出一次作为右表，反序输出一次作为左表，需要注意的是在输出的 value 中必须加上左右表区别标志
    public static class Map extends Mapper<Object, Text, Text, Text> {
        public void map(Object key, Text value, Context context) throws
                IOException, InterruptedException {
            String child_name = new String();
            String parent_name = new String();
            String relation_type = new String();
            String line = value.toString();
            int i = 0;
            while (line.charAt(i) != ' ') {
                i++;
            }
            String[] values = {line.substring(0, i), line.substring(i + 1)};
            if (values[0].compareTo("child") != 0) {
                child_name = values[0];
                parent_name = values[1];
                relation_type = "1";//左右表区分标志
                context.write(new Text(values[1]), new
                        Text(relation_type + "+" + child_name + "+" + parent_name));
//左表
                relation_type = "2";
                context.write(new Text(values[0]), new
                        Text(relation_type + "+" + child_name + "+" + parent_name));
//右表
            }
        }
    }

    public static class Reduce extends Reducer<Text, Text, Text, Text> {
        public void reduce(Text key, Iterable<Text> values, Context context)
                throws IOException, InterruptedException {
            if (time == 0) { //输出表头
                context.write(new Text("grand_child"), new
                        Text("grand_parent"));
                time++;
            }
            int grand_child_num = 0;
            String grand_child[] = new String[10];
            int grand_parent_num = 0;
            String grand_parent[] = new String[10];
            Iterator ite = values.iterator();
            while (ite.hasNext()) {
                String record = ite.next().toString();
                int len = record.length();
                int i = 2;
                if (len == 0) continue;
                char relation_type = record.charAt(0);
                String child_name = new String();
                String parent_name = new String();
//获取 value-list 中 value 的 child
                while (record.charAt(i) != '+') {
                    child_name = child_name + record.charAt(i);
                    i++;
                }
                i = i + 1;
//获取 value-list 中 value 的 parent
                while (i < len) {
                    parent_name = parent_name + record.charAt(i);
                    i++;
                }
//左表，取出 child 放入 grand_child
                if (relation_type == '1') {
                    grand_child[grand_child_num] = child_name;
                    grand_child_num++;
                } else {//右表，取出 parent 放入 grand_parent
                    grand_parent[grand_parent_num] = parent_name;
                    grand_parent_num++;
                }
            }
            if (grand_parent_num != 0 && grand_child_num != 0) {
                for (int m = 0; m < grand_child_num; m++) {
                    for (int n = 0; n < grand_parent_num; n++) {
                        context.write(new Text(grand_child[m]), new
                                Text(grand_parent[n]));
//输出结果
                    }
                }
            }
        }
    }

    public static void main(String[] args) throws Exception {
// TODO Auto-generated method stub
        Configuration conf = new Configuration();
        conf.set("fs.default.name", "hdfs://master:9000");
        String[] otherArgs = new String[]{"input", "output"}; /* 直接设置输入参
数 */
        if (otherArgs.length != 2) {
            System.err.println("Usage: wordcount <in> <out>");
            System.exit(2);
        }
        Job job = Job.getInstance(conf, "Single table join ");
        job.setJarByClass(simple_data_mining.class);
        job.setMapperClass(Map.class);
        job.setReducerClass(Reduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

①上传文件

 

 

②代码运行

4.实验报告

题目：

MapReduce初级编程实践

姓名

陈庆振

日期 12.2
  • 实验环境：操作系统：Linux（Ubuntu16.04）
  • Hadoop版本：2.7.2

实验内容与完成情况：

文件合并和去重操作：

编写MapReduce程序，对两个输入文件A和B进行合并，并剔除重复内容，生成新的输出文件C。实验成功，合并去重功能正常。

输入文件排序：

编写MapReduce程序，读取多个输入文件中的整数，进行升序排序，并输出排序位次和原整数。实验成功，排序功能正常。

信息挖掘：

编写MapReduce程序，挖掘给定的child-parent表格中的父子辈关系，输出祖孙辈关系的表格。实验成功，信息挖掘功能正常。

出现的问题：在配置Hadoop运行环境时，遇到了配置文件路径错误的问题，导致无法正确运行MapReduce任务。

在实现排序功能时，由于MapReduce框架的默认行为，遇到了数据分布不均匀的问题。

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）：对于配置文件路径错误，通过检查和修正Hadoop配置文件中的路径设置，确保所有路径正确无误，问题得以解决。

对于数据分布不均匀的问题，通过调整Partitioner类，使得数据能够更均匀地分布到各个Reducer上，从而解决了问题。

标签：hadoop,new,job,org,apache,import,12.18
From： https://www.cnblogs.com/zzqq1314/p/18615653

相关文章

  • 12.18
    任何运行于现代操作系统中的程序都会与同时运行的其他程序、检查磁盘或者新的 Java 和Flash 版本的定期维护进程以及控制网络接口、磁盘、声音设备、加速器、温度计和其他外设的操作系统的各个部分共享计算机。每个程序都会与其他程序竞争计算机资源。程序不会过多在意这些事......
  • 大二打卡（12.18）
    今天做了什么：在期末考试的那一天，早早地来到了考场，准备迎接这场挑战。考试铃声响起，老师开始逐一发放试卷。深吸一口气，开始认真地审题。说实话，经过这么长时间的练习，已经对这类题目驾轻就熟了。建立表、编写页面、编写Java文件，这些步骤几乎成了肌肉记忆，几乎不需要思考就能完成。考......
  • 上周热点回顾（12.18-12.24）
    热点随笔：· 【故障公告】疑似未知知名搜索引擎蜘蛛来袭，一台负载均衡带宽跑满 (博客园团队)· 如何快速优化几千万数据量的订单表 (程序员济癫)· 微软官方发布的C#开源、免费、实用的Windows工具箱 (追逐时光者)· 2023年最后一波工具安利「GitHub热点速览」 (削微寒)......
  • 12.18
    写数据结构作业 7-1哈夫曼树哈夫曼编码输入一组整型权值，构建哈夫曼树，实现哈夫曼编码，并输出带权路径长度。输入格式:第一行输入叶子结点个数，接着依次输入权值。若叶子数为0或1，则输出error输出格式:输出哈夫曼编码，输出带权路径长度。输入样例:在这里给出一组输入。例如：8......
  • #9 2023.12.18
    怎么做题速度单调递减了。464.THUPC2024Pre省流：我是演员。M我过的题。K我过的题。暴力打表就行了，我在本地打了三分钟就出答案了！很快。J我过的题。考虑\(v\)什么时候对\(len=k\)没有贡献。那就是\(v\)把序列分成了若干区间\([l,r]\)，\(ban\)掉的区间就是\([......
  • 2023.12.18
    点击查看代码#include<bits/stdc++.h>#definefifirst#definesesecondusingstd::cin;usingstd::min;usingstd::max;usingstd::cout;usingstd::vector;constexprintM=2e6+5;constexprintINF=0x3f3f3f3f,mod=998244353;......
  • 12.18日
      终于迎来了王老师的最终测试，早上也是进行了最后的准备和测试。中午先去到了505教室，但是在教室里发现了几张熟悉的面孔——人工智能的同学，经询问得知他们在505上电工基础课程。而后经调整我们去往了512进行考试，看见王老师的一瞬间也是心安了。王老师总是给人一种稳重成熟的感......
  • 2023.12.18——每日总结
    学习所花时间（包括上课）：9h代码量（行）：0行博客量（篇）：1篇今天，上午学习，下午学习；我了解到的知识点：1.JFinal明日计划：学习......
  • 12.18每日总结
    软件设计模式简单分类我们在未正式学习设计模式之前先去简单了解一下设计模式的主要三种分类：创建型模式用于描述“怎样创建对象”，它的主要特点是“将对象的创建与使用分离”。书中提供了单例、原型、工厂方法、抽象工厂、建造者等5种创建型模式。结构型模式用于描述如......
  • 闲话12.18
    上午打了一场模拟赛，垫底了。T1傻逼，不会，不可做。T2傻逼，把我卡爆。T3傻逼，时间全放T1了导致T3没啥时间想了，打了40pts跑路，最后20min想到一个和正解类似的做法，没时间写，哈哈。最终得分：\(0+60+40=100\)，被众多人吊打哈哈哈哈哈。下午无聊改题，我记得有个人之前说要有时间了学......

赞助商

阅读排行

网站主页关于我们联系我们网站地图

本网站内容转载自其他媒体，侵权联系[admin##ips99.com]。

Copyright © 2020-2023 IPS99 版权所有 IPS99