MongoDB集成Hadoop进行统计计算
2012-06-30 22:19
351 查看
MongoDB 本身可以做一些简单的统计工作,包括其内置的基于 Javascript 的 MapReduce 框架,也包括在MongoDB 2.2版本中引入的新的统计框架。除此之外,MongoDB 还提供了对外部统计工具的接口,这就是本文要说的MongoDB-Hadoop的数据中间件。文章内容来源于MongoDB官方博客。
原理图解
MongoDB与Hadoop相结合的方式如下图所未,MongoDB作为数据源存储以及数据结果存储。而具体的计算过程在Hadoop中进行。
这一套处理流程,允许我们通过 Python, Ruby 与 JavaScript 来写MapReduce函数进行数据统计,而不是使用Java。
例子
首先准备好Hadoop环境,并安装好Hadoop,MongoDB中间件。然后通过下面的方式进行数据处理。
1.数据准备
从Twitter API导入原始数据到MongoDB中
curl https://stream.twitter.com/1/statuses/sample.json -u<login>:<password> | mongoimport -d twitter -c in
2.Map函数
写一个map函数,保存在文件mapper.rb 中
#!/usr/bin/env ruby require 'mongo-hadoop' MongoHadoop.map do |document| { :_id => document['user']['time_zone'], :count => 1 } end
3.Reduce函数
然后是reduce函数,保存在文件reducer.rb中
#!/usr/bin/env ruby require 'mongo-hadoop' MongoHadoop.reduce do |key, values| count = sum = 0 values.each do |value| count += 1 sum += value['num'] end { :_id => key, :average => sum / count } end
4.运行脚本
创建一个运行脚本,写入下面内容,就可以利用上面的MapReduce方法处理第一步中获取的数据。
hadoop jar mongo-hadoop-streaming-assembly*.jar -mapper mapper.rb -reducer reducer.rb -inputURI mongodb://127.0.0.1/twitter.in -outputURI mongodb://127.0.0.1/twitter.out阅读更多
相关文章推荐
- MongoDB集成Hadoop进行统计计算
- 有时候执行的oracle,sql语句要查看下性能情况,可以用这个进行下简单计算和统计
- 使用 Linux 和 Hadoop 进行分布式计算(转载)
- 大数据之mongodb --> (2)java集成 MongoDB 3.2,使用Spring-data-mongodb进行集成
- 在hadoop上进行编写mapreduce程序,统计关键词在text出现次数
- 如何使用hadoop对海量数据进行统计并排序
- hadoop基础----hadoop实战(三)-----hadoop运行MapReduce---对单词进行统计--经典的自带例子wordcount
- SQL 关于如何利用聚合函数把nvarchar型转成int型进行统计计算的方法
- Hadoop学习笔记—4.初识MapReduce 一、神马是高大上的MapReduce MapReduce是Google的一项重要技术,它首先是一个编程模型,用以进行大数据量的计算。对于大数据
- 用Hadoop进行MapReduce计算
- 网站用户行为数据统计与分析之八:logstash与mongodb集成
- hadoop基础----hadoop实战(三)-----hadoop运行MapReduce---对单词进行统计--经典的自带例子wordcount
- ECharts 统计扩展 ecStat.js, 可以进行回归分析和均值方差计算
- 使用Linux 和Hadoop 进行分布式计算
- 使用MongoDB的MapReduce进行区域地震信息统计实验
- 利用Python进行数据分析(9) pandas基础: 汇总统计和计算
- 使用 Linux 和 Hadoop 进行分布式计算
- php7中使用mongoDB的聚合操作对数据进行分组求和统计操作
- hadoop学习笔记003(感受上传到dfs和hadoop统计计算)
- 如何在Java中对MongoDB按日期进行查询统计