基于Hadoop部署实践对网站日志分析
1. 项目概述
本次要实践的数据日志来源于国内某技术学习论坛，该论坛由某培训机构主办，汇聚了众多技术学习者，每天都有人发帖、回帖。至此，我们通过Python网络爬虫手段进行数据抓取，将我们网站数据（2013-05-30,2013-05-31）保存为两个日志文件，由于文件大小超出我们一般的分析工具处理的范围，故借助Hadoop来完成本次的实践。
2. 总体设计
2.1 Hadoop插件安装及部署
第一步：Hadoop环境部署和源数据准备
安装好VMware（查看）
第二步：使用python开发的mapper reducer进行数据处理。
第三步：创建hive数据库，将处理的数据导入hive数据库
第四步：将分析数据导入mysql
3. 详细实现步骤操作纪要
3.1 hadoop环境准备
首先开启Hadoop集群：start-all.sh：开启所有的Hadoop所有进程，在主节点上进行
NameNode它是Hadoop 中的主服务器，管理文件系统名称空间和对集群中存储的文件的访问。
Secondary NameNode.....
2022-05-09 19:13:59
1.89MB
Spring 加密工具包，kylin密码加密工具包，亲测可用， 通过java -jar encryption.jar admin运行
2022-05-07 13:36:12
9.42MB
1
(1)统计全球每年的最高气温和最低气温。
(2)MapReduce输出结果包含年份、最高气温、最低气温，并按最高气温降序排序。如果最高气温相同，则按最低气温升序排序。
(3)使用自定义数据类型。
(4)结合Combiner和自定义数据类型完成全球每年最高气温和最低气温的统计。
(5)应用ToolRunner的使用和Eclipse提交MapReduce任务。
2022-05-04 14:08:15
74KB
1
(1)统计全球每年的最高气温和最低气温。
(2)MapReduce输出结果包含年份、最高气温、最低气温，并按最高气温降序排序。如果最高气温相同，则按最低气温升序排序。
(3)使用自定义数据类型。
(4)结合Combiner和自定义数据类型完成全球每年最高气温和最低气温的统计。
(5)应用ToolRunner的使用和Eclipse提交MapReduce任务。
2022-05-04 14:08:12
895KB
1