hadoop平台上HDFS和MAPREDUCE的功能、工作原理和工作过程

作业要求来源：https://edu.cnblogs.com/campus/gzcc/GZCC-16SE2/homework/3319

1.用自己的话阐明Hadoop平台上HDFS和MapReduce的功能、工作原理和工作过程。

HDFS常用功能

1.元数据

2.检查点

3.DataNode功能

 

HDFS工作原理

１　分布式文件系统，它所管理的文件是被切块存储在若干台datanode服务器上.２　hdfs提供了一个统一的目录树来定位hdfs中的文件，客户端访问文件时只要指定目录树的路径即可，不用关心文件的具体物理位置．３　每一个文件的每一个切块，在hdfs集群中都可以保存多个备份（默认３份），在hdfs-site.xml中，dfs.replication的value的数量就是备份的数量．４　hdfs中有一个关键进程服务进程：namenode，它维护了一个hdfs的目录树及hdfs目录结构与文件真实存储位置的映射关系（元数据）．而datanode服务进程专门负责接收和管理＂文件块＂－ｂｌｏｃｋ.默认大小为１２８Ｍ(可配置)(dfs.blocksize)．（老版本的hadoop的默认block是64M的）

HDFS工作过程

客户端要向HDFS写数据，首先要跟namenode通信以确认可以写文件并获得接收文件block的datanode，然后，客户端按顺序将文件逐个block传递给相应datanode，并由接收到block的datanode负责向其他datanode复制block的副本。

MapReduce功能实现系列：

 

MapReduce功能实现一---Hbase和Hdfs之间数据相互转换

 

MapReduce功能实现二---排序

 

MapReduce功能实现三---Top N

 

MapReduce功能实现四---小综合(从hbase中读取数据统计并在hdfs中降序输出Top 3)

 

MapReduce功能实现五---去重(Distinct)、计数(Count)

 

MapReduce功能实现六---最大值(Max)、求和(Sum)、平均值(Avg)

 

MapReduce功能实现七---小综合(多个job串行处理计算平均值)

 

MapReduce功能实现八---分区(Partition)

 

MapReduce功能实现九---Pv、Uv

 

MapReduce功能实现十---倒排索引(Inverted Index)

 

MapReduce功能实现十一---join

2.HDFS上运行MapReduce

1）查看是否已经安装python：

2）在/home/hadoop/路径下建立wc文件夹，在文件夹内新建mapper.py、reducer.py、run.sh和文本文件HarryPotter.txt：

 

查看全文