[云计算 大连理工]HBase实验1.pdfVIP

实验 1 Hadoop+Spark 学号： 姓名： 专业： 班级： 一、 实验目标 搭建 Hadoop、Spark 集群 ，掌握 MapReduce 编程模型，实现二次排序。 二、 实验内容 1. 搭建 Hadoop、Spark 集群。 2. 使用 MapReduce 或者 Spark 方式实现二次排序。 三、 实验步骤 1. 搭建 Hadoop ，Spark 集群。(hadoop 官网：:hadoop.apache.org/ ，Spark 官网：:spark.apache.org/ ) (1) 创建虚拟机包含 1 个主节点 master ，2 个从节点 slave1,slave2 （可扩展至 多个） (2) 安装 SSH server、配置 SSH 无密码登陆 (3) 安装 JDK 6.0 以上版本。 (4) 修改/etc/hosts 文件。 (5) 将 master 节点配置的所有文档复制到 slave1,slave2。 (6) 启动并验证。 1 读万卷书 行万里路 2. 使用 MapReduce 或者 Spark 方式实现二次排序。（以MapReduce 解决方 案为例） (1) Mapper 任务会接收输入分片，然后不断的调用 map 函数，对记录进行处 理。处理完毕后，转换为新的key,value输出。 (2) 对 map 函数输出的key, value调用分区函数，对数据进行分区。不同分 区的数据会被送到不同的 Reducer 任务中。 (3) 对于不同分区的数据，会按照 key 进行排序，这里的 key 必须实现 WritableComparable 接口。该接口实现了 Comparable 接口，因此可以 进行比较排序。 (4) 对于排序后的key,value ，会按照key 进行分组。如果 key 相同，那么 相同 key 的key,value就被分到一个组中。最终，每个分组会调用一次 reduce 函数。 (5) 排序、分组后的数据会被送到 Reducer 节点。 四、 实验结果提交 将实验代码放在一个 Eclipse 工程中，用不同包名和类名区分不同任务的实 验，提交工程的压缩包。注意：压缩包中不应包含编译生成的.class 文件。 2 读万卷书 行万里路