熟悉常用的HBase操作，编写MapReduce作业

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）85

  

cd /usr/local/hadoop
./sbin/start-dfs.sh
cd /usr/local/hbase
./bin/start-hbase.sh
hbase shell

create 'Student',{NAME=>'S_No',VERSIONS=>5},{NAME=>'S_Name',VERSIONS=>5},{NAME=>'S_Sex',VERSIONS=>5},{NAME=>'S_Age',VERSIONS=>5}

put 'Student','2015001','sname','Zhangsan'
put 'Student','2015001','ssex','male'
put 'Student','2015001','sage','23'

put 'Student','2015002','sname','Mary'
put 'Student','2015002','ssex','female'
put 'Student','2015002','sage','22'

put 'Student','2015003','sname','Lisi'
put 'Student','2015003','ssex','male'
put 'Student','2015003','sage','24

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

  list
  TABLE
  Student

• 在终端打印出学生表的所有记录数据；

  scan 'Student'

• 向学生表添加课程列族；

  alter 'Student','NAME'=>'course'

• 向课程列族添加数学列并登记成绩为85；

  put 'Student','2015003','course:Math','85'

• 删除课程列；

  alter 'Student','NAME'=>'course','METHOD'=>'delete'

• 统计表的行数；count 's1'

  count 'Student'

• 清空指定的表的所有记录数据；truncate 's1'

  truncate 'Student'

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
2. 将其权限作出相应修改
3. 本机上测试运行代码
4. 放到HDFS上运行
5. 下载并上传文件到hdfs上
6. 用Hadoop Streaming命令提交任务

  创建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	%s' % (word,1)

 赋予权限

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

创建reducer.py文件

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

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('	',1)
    try:
    count = int(count)
    except ValueError:
    continue

    if current_word == word:
    current_count += count 
    else:
    if current_word:
        print '%s	%s' % (current_word, current_count)
    current_count = count
    current_word = word

if current_word == word:
    print '%s	%s' % (current_word, current_count)

赋予权限

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

测试代码

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

 下载文件上传

cd  /home/hadoop/wc
wget http://www.gutenberg.org/files/5000/5000-8.txt
wget http://www.gutenberg.org/cache/epub/20417/pg20417.txt

cd /usr/hadoop/wc
hdfs dfs -put /home/hadoop/hadoop/gutenberg/*.txt /user/hadoop/input
 

用Hadoop Streaming命令提交任务

gedit run.sh