熟悉常用的HBase操作，编写MapReduce作业

Posted 2020-11-03 202帅哥天团

1. 以下关系型数据库中的表和数据，要求将其转换为适合于HBase存储的表并插入数据：

学生表（Student）（不包括最后一列）

学号（S_No）	姓名（S_Name）	性别（S_Sex）	年龄（S_Age）	课程（course）
2015001	Zhangsan	male	23
2015003	Mary	female	22
2015003	Lisi	male	24	数学（Math）8

第一步，开启dfs和hbase

验证

创建表

 

2. 用Hadoop提供的HBase Shell命令完成相同任务：  

• 列出HBase所有的表的相关信息；list
• 在终端打印出学生表的所有记录数据；
• 向学生表添加课程列族；
• 向课程列族添加数学列并登记成绩为85；
• 删除课程列；
• 统计表的行数；count \'s1\'
• 清空指定的表的所有记录数据；truncate \'s1\'

 

操作如下，经过几次的代码错误，终于实现：
scan \'Student\'
alter \'Student\',\'NAME\'=>\'course\'
put \'Student\',\'3\',\'course:Math\',\'85\'
dorp \'Student\',\'course\'
count \'s1\'
truncate \'s1\'

　　

3. 用Python编写WordCount程序任务

程序	WordCount
输入	一个包含大量单词的文本文件
输出	文件中每个单词及其出现次数（频数），并按照单词字母顺序排序，每个单词和其频数占一行，单词和频数之间有间隔

1. 编写map函数，reduce函数

   #创造mapper.py文件
   cd /home/hadoop/wc
   sudo gedit mapper.py
   
   
   #map函数
   #!/usr/bin/env python
   import sys
   for i in stdin:
       i = i.strip()
       words = i.split()
       for word in words:
       print \'%s\\t%s\' % (word,1)
   
   
   #reduce函数
   #!/usr/bin/env python
   from operator import itemgetter
   import sys
   
   current_word = None
   current_count = 0
   word = None
   
   for i in stdin:
       i = i.strip()
       word, count = i.split(\'\\t\',1)
       try:
       count = int(count)
       except ValueError:
       continue
   
       if current_word == word:
       current_count += count 
       else:
       if current_word:
           print \'%s\\t%s\' % (current_word, current_count)
       current_count = count
       current_word = word
   
   if current_word == word:
       print \'%s\\t%s\' % (current_word, current_count)
   

   　　

2. 将其权限作出相应修改

   #!/usr/bin/env python
   

   cd /home/hadoop/wc
   sudo gedit reducer.py

   #赋予权限
   

   chmod a+x /home/hadoop/mapper.py

3. 本机上测试运行代码

   echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py
   
   echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py | sort -k1,1 | /home/hadoop/wc/reducer.p

4. 放到HDFS上运行
5. 下载并上传文件到hdfs上

   #上传文件
   cd  /home/hadoop/wc
   wget http://www.gutenberg.org/files/5000/5000-8.txt
   wget http://www.gutenberg.org/cache/epub/20417/pg20417.txt
   
   #下载文件
   cd /usr/hadoop/wc
   hdfs dfs -put /home/hadoop/hadoop/gutenberg/*.txt /user/hadoop/input

6. 用Hadoop Streaming命令提交任务

ok！