Hadoop实验
想到Hadoop，我们第一时间是想到的什么，大数据，分布式，MapReduce，还是各种Linux相关的命令。还记得小时候看到那些人在一个终端输入那些命令，感觉很厉害的样子，尊称为大佬，但是当自己亲身经历过后，你也许会发现，会的东西你会之后，依然还是这样会，不会的东西你才会去膜拜。
实验背景
通过学习Hadoop大数据技术，你成功通过了某企业的面试，并得到了一个实习offer：offer信息如下
XXX：
您好！
恭喜您成功通过了面试，本公司IT部门邀请您担任Hadoop Specialist职位， 负责Hadoop系统的管理和维护、HBase数据库的管理、Hive数据库的管理、数据录入与数据分析等。
根据您的面试结果和岗位要求，您的职级评定为I（实习生）。
请于2021年6月18日星期五18:00到G404入职，请带好相关证件和资料。
======以下为敏感信息请勿向第三者透露======
月薪：3000
奖金：0
==========================================
期待您的到来！您将成为本公司的第0000002名员工！
CQUST公司CEO兼HR部门经理：Mary
2021年6月15日
实验概览
入职后后，你很快收到以下工作任务：
任务一：熟悉公司Hadoop虚拟机环境，列出hadoop的关键参数。
任务二：在熟悉过Hadoop环境之后，你需要在HDFS上创建工作目录
并且，将你收到的offer letter上传到你自己的工作目录中去。
为了确保文件上传成功，你需要在上传后查看文件基本属性和内容。
为了确保文件在被意外删除的情况下能够找回来，你需要为你的工作目录创建快照。
任务三：你的老板Mary给了你一张表格，如下
注：请在表格中的？处填入你自己的信息。
为了迎接即将入职的2000万新员工，你需要在HBase中创建这张表，并先将你和你老板的信息录入其中。
字段说明：
员工号：<你的学号>
员工姓名：<你的姓名拼音> （首字母大写）
性别： <F or M> （F-Female, M-Male）
职级：<从下表中取值>
基本薪酬：<你的月薪数值>
奖金：<你的奖金数值>
部门编号和名称：<从下表中取值>
数据录入完毕后你需要进行下面的测试：
获取你自己的所有信息
扫描所有的管理类型员工（职级以M开头）的数据
注意：完成Hbase操作后请关闭Hbase
任务四：你的老板Mary还希望你按照任务三表格中的数据和结构创建一个Hive表，以方便公司网站应用使用传统的SQL方式访问这些数据。你需要按照下面的要求创建表：
表名：tb_abc，其中abc为你的姓名拼音首字母
表类型：外部表
表数据文件行格式：逗号分割
例：表格中的数据可以构造成一个csv文件如下
注：其中的数据仅为示例，你需要使用你自己的数据
表数据文件位置：HR部门目录（如：/CQUST/HR）
1.考虑到新员工数量太多，你决定创建一个分桶表tb_buckts_abc，使用员工号字段将tb_abc中的数据分成3个桶。（分桶）
2.考虑到新员工数量太多，你决定创建一个分区表tb_part_abc，使用部门编号字段将上表中的数据分成3个区（dept_no=10,dept_no=20,dept_no=30）。（分区）
实验步骤
本次实验变量名abc使用wxw，学号使用123
任务一：
任务二：
创建：
hdfs dfs -mkdir -p /CQUST/IT/wxw
hdfs dfs -mkdir -p /user/hadoop/CQUST/IT/wxw
上传：
hdfs dfs -put offerletter.txt /user/hadoop/CQUST/IT/wxw
hdfs dfs -put offerletter.txt /CQUST/IT/wxw
注意这里用copyFromLocal也可以
查看文件夹属性:
hdfs dfs -ls /user/hadoop/CQUST/IT/wxw
hdfs dfs -ls /CQUST/IT/wxw
注意这里容易混淆，使用 stat,这个命令参数输出的文件的创建时间，但是输出的时间戳和本地不一致
查看文件内容：
hdfs dfs -cat /user/hadoop/CQUST/IT/wxw
创建快照:
hdfs dfsadmin -allowSnapshot /user/hadoop/CQUST/IT/wxw
任务三：
- 数据
- 创建Hbase表
create 'emp_sal_dept','emp','salary','dept'
- 插入数据
put 'emp_sal_dept','2019000000','emp:name','Mary' put 'emp_sal_dept','2019000000','emp: gender','F' put 'emp_sal_dept','2019000000','emp:level','M3' put 'emp_sal_dept','2019000000','salary:base','1' put 'emp_sal_dept','2019000000','salary: bonus','1000000' put 'emp_sal_dept','2019000000','dept:no','10' put 'emp_sal_dept','2019000000','dept:name','HR' put 'emp_sal_dept','123','emp:name',' wxw' put 'emp_sal_dept','123','emp: gender','M' put 'emp_sal_dept','123','emp:level','I' put 'emp_sal_dept','123','salary:base','3000' put 'emp_sal_dept','123','salary: bonus','0' put 'emp_sal_dept','123','dept:no','30' put 'emp_sal_dept','123','dept:name','IT'
扫描整张表
scan 'emp_sal_dept'
获取到自己信息
get ' emp_sal_dept ','123'
扫描所有的管理类型员工（职级以M开头）的数据
scan'emp_sal_dept',{FILTER=>"SingleColumnValueFilter ('emp','level',=,'substring:M')"}
关闭hbase（使用不当会损坏机器）
stop-hbase.sh
任务四
你的老板Mary还希望你按照任务三表格中的数据和结构创建一个Hive表，以方便公司网站应用使用传统的SQL方式访问这些数据。你需要按照下面的要求创建表：
表名：tb_abc，其中abc为你的姓名拼音首字母
表类型：外部表
表数据文件行格式：逗号分割
例：表格中的数据可以构造成一个csv文件如下
注：其中的数据仅为示例，你需要使用你自己的数据
表数据文件位置：HR部门目录（如：/CQUST/HR）
1.考虑到新员工数量太多，你决定创建一个分桶表tb_buckts_abc，使用员工号字段将tb_abc中的数据分成3个桶。（分桶）
2.考虑到新员工数量太多，你决定创建一个分区表tb_part_abc，使用部门编号字段将上表中的数据分成3个区（dept_no=10,dept_no=20,dept_no=30）。（分区）
常规操作导入数据
create database wxw; use wxw; create table `wxw`.`tb_wxw_123` ( `emp_id` string , `emp_name` string , `gender` string , `emp_level` string, `salary_base` int, `salary_bonus` int, `dept_no` int, `dept_name` string ) row format delimited fields terminated by ',' stored as textfile;
LOAD DATA LOCAL INPATH '/home/hadoop/wxw_.txt' INTO TABLE tb_wxw_123;
分区操作
建立分区表
CREATE EXTERNAL TABLE wxw( `emp_id` string , `emp_name` string , `gender` string , `emp_level` string, `salary_base` int, `salary_bonus` int, `dept_no` int, `dept_name` string ) PARTITIONED BY (dept_no int) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' LOCATION '/user/hadoop/data';
导入数据到分区表
ALTER TABLE wxw ADD PARTITION(dept_no=20) LOCATION '/user/hadoop/data/data1';
ALTER TABLE wxw ADD PARTITION(dept_no=10) LOCATION '/user/hadoop/data/data2';
ALTER TABLE wxw ADD PARTITION(dept_no=30) LOCATION '/user/hadoop/data/data3';
分桶操作
建立表格
create external table tb_buck_wxw (name string, salary float,level string,base string,bonus string,no string,dept_name string) clustered by(name) -- sorted by(name DESC) into 3 buckets row format delimited fields terminated by ',';
create table wxw(name string, salary float,level string,base string,bonus string,no string,dept_name string) row format delimited fields terminated by ',';
LOAD DATA local INPATH 'wxw.csv' INTO TABLE wxw;
select * from wxw cluster by(name); insert overwrite table tb_buck_wxw select * from wxw cluster by(name);
