数据挖掘——流数据分析实训

Posted 2022-10-06 raodi

---

---

中软国际《分布式计算框架》机试题

姓名 __ _ ____ 学校 _____ _______ 专业 ____________________ 联系电话 _____________________
电子邮件 __________________________________________
注意事项：考试时间120分钟，满分100分。
请创建以自己姓名命名的文件夹，并创建以题号命名的子文件夹，对试题答案进行分类。
请不要在试卷上涂写与试题无关的标记。

(一) 编程题（共100分）
1.某公司2018年第一季度职员工资数据, 格式如下: (40分)

 

 

1月                              2月                             3月
1）成功连接HDFS服务；(10分)
2）若/salaryInput目录不存在，创建这个目录；(10分)
3）成功上传职员工资数据文件到HDFS分布式文件系统中存储。(20分)

2.分析HDFS中/salaryInput目录下的职员工资数据 (60分)
1）计算第一季度每位职员的季度总工资；(10分)
2）计算第一季度每位职员的月度平均工资；(10分)
3）计算第一季度每位职员的月度最大工资；(10分)
4）计算第一季度公司所发的工资总数；(15分)
5）计算出第一季度工资最高的职员姓名。(15分)
提示：每个小题可以单独使用一个MR程序来计算，部分小题可以使用一个MR程序一起计算。