- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
最新国家开放大学电大《大数据技术导论》实验报告
实验4 大数据去重
1.实验目的
通过Hadoop数据去重实验,学生可以掌握准备数据、伪分布式文件系统配置方法,以及
在集成开发环境Eclipse中实现Hadoop数据去重方法。
2.实验要求
了解基于Hadoop处理平台的大数据去重过程,理解其主要功能,并能够在Hadoop环境下
独立完成。
(1)制订实验计划。
(2)准备数据。
(3)伪分布式文件系统配置。
(4)在集成开发环境Eclipse中实现Hadoop数据去重。
3.实验内容
(1)制订实验计划。
(2)进入“/usr/local/hadoop”目录。
(3)准备数据。
(4)修改“/usr/local/hadoop/etc/hadoop/”目录下的Hadoop配置文件。
(5)NameNode 格式化。
(6)在集成开发环境Eclipse 中实现 Hadoop 数据去重。 4.实验总结
通过本实验,使学生了解Hadoop数据去重的特点和过程、理解MapReduce程序的执行过 程,掌握NameNode的格式化方法、Hadoop的配置文件的修改和Eclipse开发环境下实现Hadoop
数据去重的方法。
5.思考拓展
(1)为什么需要NameNode格式化?说明NameNode格式化方法。
(2)为什么需要数据去重?说明Hadoop数据去重的主要优势。
(3)结合MapReduce程序执行过程,说明Hadoop数据去重是离线处理还是在线处理。
(4)说明在集成开发环境Eclipse 中实现Hadoop 数据去重的主要过程。
答:数据去重方法如下
【Hadoop 学 习 项 目 】 - - - 数 据 去 重
0. 项 目 结 构
idea
src
main
java
Y D hadoop test
Y D data duplicate demo 02
DupDrive
DupMapper
DupReducer
resources
core-site.xml
hdfs-site.xml
hive-site,xm
tm perties CSDN @星 焱 。
数据处理过程图
1 [NULL,
NULL, NULL, NULL,NULL]
192.168234.23 [NULU]
5 [NULL]
1 [NULL,
NULL NULL, NULL]
192.168,234.26 [NULL]
7 [NULL,NULUI
9 [NULL]
reduce
1:NULL
3:NULL
5:NULL
reduce
1:NULL
6:NULL
7:NULL
9:NULL
CSDN;@ 星 焱
map
1:NULL
3:NULL
1:NULL
1:NULL
1:NULL
5:NULL
1:NULL
map
1:NULL
6 NULL
1 NULL
7 NULL
1 :NULL
7:NULL
1:NULL
9:NULL
split
1 3 1 1 1 5 1
split
1 6 1 7 1 7 1
9
HDFS
1 3 1 1 1 5 1 1 6 1 7 1 7 1 9
1.DupDriver
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
package hadoop test.data duplicate demo 02;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Nullwritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class DupDriver {
* 处 理 数 据 :
1
2
您可能关注的文档
- _国际货运代理(同步训练及答案).docx
- 中级铣工知识必考题库.docx
- 2023年国家开放大学电大《刑事诉讼法学》形考任务1-5网考题【五套】汇编附答案.docx
- 2023年电大本科开放英语3形成性考核册答案小抄(最全最.docx
- 2023年春期国开河南电大专科《社会学概论》终考任务我要考试试题与形考任务作业练习1-3试题【三套】汇编附答案.docx
- 安全生产知识竞赛试题及答案(共200题).docx
- 2022-2023年二级注册建筑师之法律法规经济与施工模拟考试试卷B卷含答案.docx
- 高级财务会计形成性考核册答案48188.docx
- 2023春国开会计实务专题形考任务3题库1及答案.docx
- 2023春国开会计实务专题形考任务3题库2及答案.docx
最近下载
- 中华医学会重症医学专科资质培训班培训教材.pdf VIP
- 7200MA东元变频器说明书.docx
- 2023中考语文名著阅读指导+真题模拟题练习 专题08《傅雷家书》(学生版+解析版).pdf VIP
- 中考语文名著阅读指导+真题模拟题练习 专题14《格列佛游记》(学生版+解析版).doc
- 中考语文名著阅读指导+真题模拟题练习 专题13《红岩》(学生版+解析版).doc
- 中考语文名著阅读指导+真题模拟题练习 专题09《钢铁是怎样炼成的》(学生版+解析版)-.doc
- 儿童意外伤害和家庭急救措施.ppt
- 中考语文名著阅读指导+真题模拟题练习 专题05《海底两万里》(学生版+解析版).doc
- 中考语文名著阅读指导+真题模拟题练习 专题04 《骆驼祥子》(学生版+解析版).doc
- 中考语文名著阅读指导+真题模拟题练习 专题07《昆虫记》(学生版+解析版).doc
文档评论(0)