厦门大学林子雨编著《大数据技术原理与应用》教材配套机房上机实验指南.docxVIP

厦门大学林子雨编著 《大数据技术原理与应用》 教材配套 机房上机实验指南 实验5 第七章 MapReduce编程初级实践 （版本号：2016年5月14日版本） 主讲教师：林子雨 厦门大学数据库实验室 二零一六年五月 目录 主讲教师：林子雨 /linziyu 第PAGE 目录 TOC \o 1-3 \h \z \u 1. 实验目的 1 2. 实验平台 1 3. 实验内容和要求 1 1.编程实现文件合并和去重操作 1 2. 编写程序实现对输入文件的排序 2 3. 对给定的表格进行信息挖掘 3 4. 实验报告 4 附录1:任课教师介绍 4 附录2：课程教材介绍 4 附录3：中国高校大数据课程公共服务平台介绍 6 厦门大学林子雨编著《大数据技术原理与应用》 教材配套机房上机实验指南 实验5 第七章 MapReduce编程初级实践 厦门大学林子雨编著《大数据技术原理与应用》 教材配套机房上机实验指南 实验5 第七章 MapReduce编程初级实践 主讲教师：林子雨 E-mail: ziyulin@ 个人主页： /linziyu 实验目的 1.通过实验掌握基本的MapReduce编程方法； 2.掌握用MapReduce解决一些常见的数据处理问题，包括数据去重、数据排序和数据挖掘等。 实验平台 已经配置完成的Hadoop伪分布式环境。 实验内容和要求 1.编程实现文件合并和去重操作 对于两个输入文件，即文件A和文件B，请编写MapReduce程序，对两个文件进行合并，并剔除其中重复的内容，得到一个新的输出文件C。下面是输入文件和输出文件的一个样例供参考。 输入文件A的样例如下： x y x y z x 输入文件B的样例如下： y y x z y 根据输入文件A和B合并得到的输出文件C的样例如下： x y y x y z y z x 2. 编写程序实现对输入文件的排序 现在有多个输入文件，每个文件中的每行内容均为一个整数。要求读取所有文件中的整数，进行升序排序后，输出到一个新的文件中，输出的数据格式为每行两个整数，第一个数字为第二个整数的排序位次，第二个整数为原待排列的整数。下面是输入文件和输出文件的一个样例供参考。 输入文件1的样例如下： 33 37 12 40 输入文件2的样例如下： 4 16 39 5 输入文件3的样例如下： 1 45 25 根据输入文件1、2和3得到的输出文件如下： 1 1 2 4 3 5 4 12 5 16 6 25 7 33 8 37 9 39 10 40 11 45 3. 对给定的表格进行信息挖掘 下面给出一个child-parent的表格，要求挖掘其中的父子辈关系，给出祖孙辈关系的表格。 输入文件内容如下： child parent Steven Lucy Steven Jack Jone Lucy Jone Jack Lucy Mary Lucy Frank Jack Alice Jack Jesse David Alice David Jesse Philip David Philip Alma Mark David Mark Alma 输出文件内容如下： grandchild grandparent Steven Alice Steven Jesse Jone Alice Jone Jesse Steven Mary Steven Frank Jone Mary Jone Frank Philip Alic