第7章-Hadoop应用与实践分析.ppt

* 实验4 单表关联 设计思路： 把左表的parent列和右表的child列连接起来（这里的左表和右表是同一张表）。在连接得到的新表中把连接的两列（左表的parent列和右表的child列）删除就可以得到需要的结果，即grandchild-grandparent关系。 由于在MapReduce的工作过程中会将相同key值的value合并，因此，如果把Map阶段输出结果中的key设置成需要连接的列，那么列相等的value就会合并连接在一起。 * 实验5 多表关联 问题描述：和单表关联类似，也是对原始数据进行挖掘，找出用户所关心的数据，不同的是原始数据存放在多张表中。 例如：输入两个文件,一个文件表示工厂信息,文件中每行一个数据，内容包括工厂名称和工厂所在城市的编号；另一个文件表示地址信息，每行一个数据，内容包括城市编号和城市名称。 要求从输入数据中找出工厂和其所在城市名称之间的对应关系，输出文件中每一行数据包括两列，第一列是工厂名称，第二列是工厂所在城市的名称。 * 实验5 多表关联 设计思路： Map阶段对读入的每行数据进行分割，如果这行数据属于工厂信息表，那么把工厂所在城市的编号作为key，把工厂名称和标志参数1作为value，形成左表并输出；如果这行数据属于地址信息表，那么把工厂所在城市的编号作为key，把城市名称和标志参数2作为value，形成右表并输出。 在Shuffle阶段，把相同key值的value进行合并排序，每个key所对应的value列表中就包含了同一个城市编号所对应的工厂名和城市名。 在Reduce阶段，对每个key所对应的value列表进行解析，将左表中的工厂名和右表中的城市名分别放在两个数组中，并对两个数组计算笛卡尔积，输出结果。 * 实验6大矩阵乘法 问题描述：大矩阵乘法的目标任务是，给定 M*N矩阵A和N*L矩阵B，将A和B两个矩阵相乘得到M*L新矩阵C。 设计思路： 采用稀疏矩阵的存储方式，只存储矩阵中那些非零的数值，存储的数据包括矩阵元素的行号、列号和值。 在Map阶段，对于矩阵A的元素输出l个key, value对，其中key表示的是该元素参与计算得到的C矩阵元素的行、列号，value表示的是该元素所在的矩阵A、在矩阵中的列号和值。对于矩阵B的元素，则输出m个key, value对，其中key表示的是该元素参与计算得到的C矩阵元素的行、列号，value表示的是该元素所在的矩阵B、在矩阵中的行号和值。 把key相同的value合并后，形成key, list of value对，由key可以确定对哪一个C矩阵元素进行计算，由 value列表中的value可知参与计算的元素有哪些。 在Reduce阶段，对value列表分析得到参与计算的A、B矩阵的元素，对A矩阵中列号与B矩阵中行号相同的元素相乘求和，得到C矩阵元素。 * 7.3 Hbase的基本操作 * Hbase安装部署-伪分布模式 把hbase-0.94.7-security.tar.gz复制到/usr/local。 使用下面的命令解压hbase-0.94.7-security.tar.gz，并重命名为hbase。 cd /usr/local tar -zxvf hbase-0.94.7-security.tar.gz mv hbase-0.94.7-security hbase 使用“vi /etc/profile”命令修改/etc/profile文件，在文件中增加以下环境变量配置： export HBASE_HOME=/usr/local/hbase export PATH=.:$HADOOP_HOME/bin:$JAVA_HOME/bin:$PATH:$HBASE_HOME/bin 保存退出，使用命令“source /etc/profile”使配置生效。 * Hbase安装部署-伪分布模式 修改$HBASE_HOME/conf/hbase-env.sh文件，在文件中设置JAVA_HOME为JDK安装目录，并指定采用HBase内嵌的ZooKeeper管理集群，配置内容如下： export JAVA_HOME=/usr/local/jdk export HBASE_MANAGES_ZK=true 修改$HBASE_HOME/conf/hbase-site.xml文件，配置以下内容： hbase.rootdir是文件目录（它的主机和端口号与的主机和端口号要一致。） HBase的运行模式，false表示单机模式，true表示分布式模式 ZooKeeper集群的地址列表，在伪分布模式下只有一台机器 指定Hlog和Hfile的副本数（由于伪分布模式下DataNode只有一台，所以参数值设为1） * Hbase安装部署-