国家开放大学23秋季《大数据技术导论》实验4大数据去重辅导资料

获取答案:zsy971104

获取答案:zsy971104

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。