佛山科学技术学院-云计算-实验报告-了解MapReduce编程Word文档格式.doc
《佛山科学技术学院-云计算-实验报告-了解MapReduce编程Word文档格式.doc》由会员分享，可在线阅读，更多相关《佛山科学技术学院-云计算-实验报告-了解MapReduce编程Word文档格式.doc（16页珍藏版）》请在冰豆网上搜索。
1
（六）主要实验设备及配套数：
微机80台，数据中心服务器集群
（七）所在实验室：
计算机技术实验室
第15页
佛山科学技术学院
实验报告
课程名称云计算概论
实验项目实验三了解MapReduce编程
一、实验环境
1.Ubuntu14.04.3LTS32位
2.Hadoop2.6.0
3.JDK1.7.0_181
二、实验内容与完成情况
学习MapReduce编程模型，理解MapReduce编程思想，会用MapReduce框架编写简单的并行程序；
熟练使用Eclipse编写、调试和运行MapReduce并行程序。
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：
20150101x
20150102y
20150103x
20150104y
20150105z
20150106x
输入文件B的样例如下：
20150101y
20150102y
20150103x
20150104z
20150105y
根据输入文件A和B合并得到的输出文件C的样例如下：
20150101x
20150104y
20150105z
20150106x
答案：
代码如下：
packagecom.Merge;
importjava.io.IOException;
importorg.apache.hadoop.conf.Configuration;
importorg.apache.hadoop.fs.Path;
importorg.apache.hadoop.io.IntWritable;
importorg.apache.hadoop.io.Text;
importorg.apache.hadoop.mapreduce.Job;
importorg.apache.hadoop.mapreduce.Mapper;
importorg.apache.hadoop.mapreduce.Reducer;
importorg.apache.hadoop.mapreduce.lib.input.FileInputFormat;
importorg.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
importorg.apache.hadoop.util.GenericOptionsParser;
publicclassMerge{
/**
*@paramargs
*对A,B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
*/
//重载map函数，直接将输入中的value复制到输出数据的key上
publicstaticclassMapextendsMapper<
Object,Text,Text,Text>
{
privatestaticTexttext=newText（）;
publicvoidmap（Objectkey,Textvalue,Contextcontext）throwsIOException,InterruptedException{
text=value;
context.write（text,newText（"
"
））;
}
}
//重载reduce函数，直接将输入中的key复制到输出数据的key上
publicstaticclassReduceextendsReducer<
Text,Text,Text,Text>
publicvoidreduce（Textkey,Iterable<
Text>
values,Contextcontext）throwsIOException,InterruptedException{
context.write（key,newText（"
publicstaticvoidmain（String[]args）throwsException{
//TODOAuto-generatedmethodstub
Configurationconf=newConfiguration（）;
conf.set（"
fs.default.name"
"
hdfs:
//localhost:
9000"
）;
String[]otherArgs=newString[]{"
input"
output"
};
/*直接设置输入参数*/
if（otherArgs.length!
=2）{
System.err.println（"
Usage:
wordcount<
in>
<
out>
System.exit
（2）;
}
Jobjob=Job.getInstance（conf,"
Mergeandduplicateremoval"
job.setJarByClass（Merge.class）;
job.setMapperClass（Map.class）;
job.setCombinerClass（Reduce.class）;
job.setReducerClass（Reduce.class）;
job.setOutputKeyClass（Text.class）;
job.setOutputValueClass（Text.class）;
FileInputFormat.addInputPath（job,newPath（otherArgs[0]））;
FileOutputFormat.setOutputPath（job,newPath（otherArgs[1]））;
System.exit（job.waitForCompletion（true）?
0:
1）;
}
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。
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：
45
25
根据输入文件1、2和3得到的输出文件如下：
11
24
35
412
516
625
733
837
939
1040
1145
packagecom.MergeSort;
importorg.apache.hadoop.mapreduce.Partitioner;
publicclassMergeSort{
*输入多个文件，每个文件中的每行内容均为一个整数
*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
//map函数读取输入中的value，将其转化成IntWritable类型，最后作为输出key
Object,Text,IntWritable,IntWritable>
privatestaticIntWritabledata=newIntWritable（）;
Stringtext=value.toString（）;
data.set（Integer.parseInt（text））;
context.write（data,newIntWritable
（1））;
//reduce函数将map输入的key复制到输出的value上，然后根据输入的value-list中元素的个数决定key的输出次数,定义一个全局变量line_num来代表key的位次
IntWritable,IntWritable,IntWritable,IntWritable>
privat
升级会员 