MapReduce Hadoop程式連接數據

這裏有兩個數據集合在兩個不同的檔中，如下所示：

DEPT_ID 鍵在這兩個檔中常見的。

目標是使用 MapReduce 加入來組合這些檔。

輸入: 我們的輸入數據集是兩個txt檔：DeptName.txt 和 DepStrength.txt

前提條件：

在我們開始實際操作之前，使用的用戶 'hduser_'(使用 Hadoop 的用戶)。

zaixian@ubuntu:~$ su hduser_

步驟

Step 1) 複製 zip 檔到您選擇的位置

hduser_@ubuntu:/home/zaixian$ cp /home/zaixian/Downloads/MapReduceJoin.tar.gz /home/hduser_/
hduser_@ubuntu:/home/zaixian$ ls /home/hduser_/

操作過程及結果如下：

Step 2) 解壓縮ZIP檔，使用以下命令：

hduser_@ubuntu:~$ sudo tar -xvf MapReduceJoin.tar.gz

Step 3) 進入目錄 MapReduceJoin/

hduser_@ubuntu:~$ cd MapReduceJoin/

Step 4) 啟動 Hadoop

hduser_@ubuntu:~/MapReduceJoin$ $HADOOP_HOME/sbin/start-dfs.sh
hduser_@ubuntu:~/MapReduceJoin$ $HADOOP_HOME/sbin/start-yarn.sh

Step 5) DeptStrength.txt 和 DeptName.txt 用於此專案的輸入檔

這些檔需要使用以下命令 - 複製到 HDFS 的根目錄下，使用以下命令：

hduser_@ubuntu:~/MapReduceJoin$ $HADOOP_HOME/bin/hdfs dfs -copyFromLocal DeptStrength.txt DeptName.txt /

Step 6) 使用以下命令 - 運行程式

hduser_@ubuntu:~/MapReduceJoin$ $HADOOP_HOME/bin/hadoop jar MapReduceJoin.jar /DeptStrength.txt /DeptName.txt /output_mapreducejoin

Step 7)

在執行命令後, 輸出檔 (named 'part-00000') 將會存儲在 HDFS目錄 /output_mapreducejoin

結果可以使用命令行介面可以看到：

hduser_@ubuntu:~/MapReduceJoin$ $HADOOP_HOME/bin/hdfs dfs -cat /output_mapreducejoin/part-00000

結果也可以通過 Web 介面查看(這裏我的虛擬機的IP是 192.168.1.109)，如下圖所示：

現在，選擇 “Browse the filesystem”，並流覽到 /output_mapreducejoin

打開 part-r-00000

結果如下所示，點擊 Download 鏈接下載：

打開下載後的檔，結果如下所示：

注：請注意，下一次運行此程式之前，需要刪除輸出目錄 /output_mapreducejoin

$HADOOP_HOME/bin/hdfs dfs -rm -r /output_mapreducejoin

另一種方法是使用不同的名稱作為輸出目錄。