国开《大数据技术导论》实验4 大数据去重辅导资料

实验4 大数据去重
1.实验目的
通过Hadoop数据去重实验，学生可以掌握准备数据、伪分布式文件系统配置方法，以及在集成开发环境Eclipse中实现Hadoop数据去重方法。
2.实验要求
了解基于Hadoop处理平台的大数据去重过程，理解其主要功能，并能够在Hadoop环境下独立完成。
（1）制订实验计划。
（2）准备数据。
（3）伪分布式文件系统配置。
（4）在集成开发环境Eclipse中实现Hadoop数据去重。
3.实验内容
（1）制订实验计划。
（2）进入“/usr/local/hadoop”目录。
（3）准备数据。
（4）修改“/usr/local/hadoop/etc/hadoop/”目录下的Hadoop配置文件。
（5）NameNode格式化。
（6）在集成开发环境Eclipse中实现Hadoop数据去重。
4.实验总结
通过本实验，使学生了解Hadoop数据去重的特点和过程、理解MapReduce程序的执行过程，掌握NameNode的格式化方法、Hadoop的配置文件的修改和Eclipse开发环境下实现Hadoop数据去重的方法。
5.思考拓展
（1）为什么需要NameNode格式化？说明NameNode格式化方法。
（2）为什么需要数据去重？说明Hadoop数据去重的主要优势。
（3）结合MapReduce程序执行过程，说明Hadoop数据去重是离线处理还是在线处理。
（4）说明在集成开发环境Eclipse中实现Hadoop数据去重的主要过程。