瀏覽代碼

update assignment3

wangyu
hxlong 4 年之前
父節點
當前提交
13fce1391b
共有 4 個檔案被更改,包括 12 行新增3 行删除
  1. +0
    -1
      Assignment2.md
  2. +12
    -2
      Assignment3.md
  3. 二進制
      file/assignment3/学号-实验三.docx
  4. 二進制
      img/assignment3/image-20201015170801613.png

+ 0
- 1
Assignment2.md 查看文件

@ -181,7 +181,6 @@ hello from busybox
```
##### hint:通常,docker image不在运行时叫image,加载运行以后叫container
`**************作业1:请将上述涉及docker run/image的操作界面截图,并插入实验报告中***************`
### 二) 熟悉Docker指令

+ 12
- 2
Assignment3.md 查看文件

@ -197,7 +197,7 @@
#### 统计词频
- 创建目录,并上传测试数据
- 创建目录,并上传测试数据(`所有操作在集群的master节点执行`)
```
hadoop fs -mkdir /input
@ -218,5 +218,15 @@ hadoop jar /home/hadoop/hadoop-examples.jar wordcount /input /output 如果/ou
`**************作业4:统计/home/hadoop/etc/hadoop目录下所有文件的词频并截图,插入实验报告中***************`
​ *<!--(还需设计单线程对比实验,待完成......)-->*
#### WordCount 实现原理
> MapReduce主要分为两步Map步和Reduce步,引用网上流传很广的一个故事来解释,现在你要统计一个图书馆里面有多少本书,为了完成这个任务,你可以指派小明去统计书架1,指派小红去统计书架2,这个指派的过程就是Map步,最后,每个人统计完属于自己负责的书架后,再对每个人的结果进行累加统计,这个过程就是Reduce步。下图是WordCount的实现原理图,[WordCount实现](https://hadoop.apache.org/docs/r1.0.4/cn/mapred_tutorial.html#用法)。
![image-20201015170801613](img/assignment3/image-20201015170801613.png)
`**************作业5:用任何语言实现单线程的wordcount,然后给出运行时间截图,插入实验报告中***************`
`******特别注意,实验结束后请删除UHadoop集群、EIP 和UHost主机******`

二進制
file/assignment3/学号-实验三.docx 查看文件


二進制
img/assignment3/image-20201015170801613.png 查看文件

Before After
Width: 1264  |  Height: 367  |  Size: 290 KiB

Loading…
取消
儲存