From 224b30e29a1c1733e401e7c8e040206bfc7b85e6 Mon Sep 17 00:00:00 2001
From: hxlong <1141741507@qq.com>
Date: Fri, 16 Oct 2020 10:36:41 +0800
Subject: [PATCH] update assignment3

---
 Assignment3.md | 10 +++++++---
 1 file changed, 7 insertions(+), 3 deletions(-)

diff --git a/Assignment3.md b/Assignment3.md
index 00d5906..5c617aa 100644
--- a/Assignment3.md
+++ b/Assignment3.md
@@ -154,7 +154,7 @@
 >
 > 3. 使用cat命令查看文件内容并截图  `截图中需要包含文件夹信息`      （查看的是HDFS文件系统中的info,txt，而不是本地文件系统）      
 >
->    `操作时主要使用的用户和目录，避免出现permission denied问题`
+>    `操作时注意使用的用户和目录，避免出现permission denied问题`
 
 ###  三） 客户端搭建
 
@@ -227,6 +227,10 @@ 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***************`
 
+
+
+`******特别注意，做完作业4 即可请删除UHadoop集群、EIP 和UHost主机等资源******`
+
 #### 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)。
@@ -237,9 +241,9 @@ hadoop jar /home/hadoop/hadoop-examples.jar wordcount /input /output   如果/ou
 
  `作业要求`
 
-> 需要统计的文件夹： [/home/hadoop/etc/hadoop](file/assginment3/hadoop)   
+> 需要统计的文件夹： [/home/hadoop/etc/hadoop](file/assignment3/hadoop/)   
 >
 > 在本地执行，并记录执行时间
 
-`******特别注意，实验结束后请删除UHadoop集群、EIP 和UHost主机等资源******`
+