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

流程：1.开启dfs和hbase

验证是否成功开启

创建表，但是因为我在shell命令写的时候总会卡死，之后进程就直接被杀死了，所以下面我自己手写

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

• hbase(main):008:0>list

• 在终端打印出学生表的所有记录数据；

• hbase(main):009:0>scan 'student'

• 向学生表添加课程列族；

• hbase(main):010:0>alter 'student',{NAME=>'course',VERSIONS=>3}

• 向课程列族添加数学列并登记成绩为85；

• 'hbase(main):011:0>put 'student','2015003;','course:Math','85'

• 删除课程列；

• disable 'student'

• 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

 流程：

1.创建mapper.py文件

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

2.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)

3.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)

4.创造reduce.py文件

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

5.赋予权限及测试代码

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

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

6.下载文件上传

#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

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

以上在第七章PPT都有所描述。