Chap 8

8 Travaux pratiques
Durant cette semaine, nous continuerons notre étude de les applications Mapreduce en réalisant 3 projets
de différents sujets. Dans la plupart du temps, vous devez compléter un morceau de code et ensuite
l'appliquer sur un jeu de données. (Copiez le code dans JupyterNote book et complétez). Vous pouvez
vérifier si votre code est correctement implémenté à l'aide des expected outputs.
8.1 TP 01: Les ventes d'un supermarché
La croissance des supermarchés dans la plupart des villes peuplées est en augmentation et la concurrence
sur le marché est également élevée. L'ensemble de données est l'une des ventes historiques de l'entreprise
de supermarché qui a enregistré dans 3 succursales différentes pendant 3 mois des données.
8.1.1 Le fichier d'import: supermarket_sales_Module7.csv
Le fichier est sous la forme suivant:
gross
Invoice Customer Product Unit Tax gross
Branch City Gender Quantity Total Date Time Payment cogs margin Rating
ID type line price 5% income
percentage
“
L'objective de ce TP est donc de calculer le total des ventes par villes.
8.1.2 Copier des fichiers sur un conteneur Docker
Mon fichier d'import csv est localisé sur mon disque C,

C:\Users\minglei.jiang\Documents\Gitlab\lpcafe\Modules\Module7 BigData, maintenant la première étape
est donc de copier ce fichier d'import dans notre container docker.
8.1.2.1 Les containers en run
Ouvrir votre Invite de commandes et taper

docker container ls
Vous devez normalement voir tous les containers en run sur votre ordinateur. Dans mon exemple, nous
avons utiliser le container MJ_TEST pour ce module. Nous allons donc copier le fichier d'import
supermarket_sales_Module7.csv dans ce container pour la suite du TP.
8.1.2.2 Copier le fichier
Nous allons donc maintenant copier le fichier d'import csv dans notre container de test: MJ_TEST
Vous pouvez donc exécuter le code suivant pour le faire:
docker cp "C:\Users\minglei.jiang\Documents\Gitlab\lpcafe\Modules\Module7
BigData\supermarket_sales_Module7.csv" MJ_TEST:/home/jovyan/
Où "C:\Users\minglei.jiang\Documents\Gitlab\lpcafe\Modules\Module7
BigData\supermarket_sales_Module7.csv" est le chemin complet de notre fichier csv, MJ_TEST est le nom
du container, cp signifie que "copy" et /home/jovyan/ est le path du page d'accueil de container que vous
pouvez trouvez dans les configurations du container:
Expected Output 8.1.2:
Vous devez normalement trouver que le fichier est présent, après l'exécution de la commande, dans le
page d'accueil de votre container via Jupyternotebook lancé sur localhost:
8.1.3 Copier le fichier d'import dans HDFS
Nous allons tout d'abord créer un nouveau dossier MapReduceProjets pour centraliser nos fichiers
d'import:
!hdfs dfs -mkdir MapReduceProjets

!hdfs dfs -ls
Nous utilisons la commende -copyFromLocal pour copier un fichier local dans le HDFS.
!hdfs dfs -copyFromLocal /home/jovyan/supermarket_sales_Module7.csv

MapReduceProjets/
Vous devez normalement trouver que le fichier est présent, après l'exécution de la commande, dans le
dossier MapReduceProjets.
8.1.4 mapperTP01.py
L'objective de mapperTP01.py est de définir les paires clé/ valeur . Dans notre cas, il s'agit de se concentrer
sur les deux colonnes: City et Total.
#!/usr/bin/env python
from __future__ import print_function
import sys
# input comes from STDIN (standard input)

for 01 in 02:
# remove leading and trailing whitespace
line = 03
# split the line into words
words = 04
# Afficher cle valeur city and Total
print(words[04],words[05], sep = "\t")
Une fois que vous aurez terminé l'implémentation(en complétant les 5 champs vides, 01 ... 05), testez
mapperTP01.py en complétant le code suivant(Champ vide 06), sachant que nous voulons négliger la
phase reduce pour le moment:
!hdfs dfs -rm -r outTp01

HADOOP_STREAMING_JAR="../../opt/cloudera/parcels/CDH/lib/hadoop-mapreduce/hadoop-
streaming.jar"
!yarn jar $HADOOP_STREAMING_JAR \
-files mapperTP01.py \
-mapper 'python mapperTP01.py' \
06
-input MapReduceProjets/supermarket_sales_Module7.csv \
-output outTp01
Si tout se passe bien, vous devez avoir les détails d'exécution suivant:
Vérifier le résultat de lancement votre application streaming en exécutant le code suivant:
!hdfs dfs -ls outTp01

print ("-------------------------------")
!hdfs dfs -text outTp01/part-00000 | head -5
print ("-------------------------------")
!hdfs dfs -text outTp01/part-00001 | tail -5
Found 3 items
-rw-r--r-- 1 jovyan supergroup 0 2021-01-25 23:06 outTp01/_SUCCESS
-rw-r--r-- 1 jovyan supergroup 8278 2021-01-25 23:06 outTp01/part-00000
-------------------------------
City Total
Yangon 548.9715
Naypyitaw 80.22
Yangon 340.5255
Yangon 489.048
-------------------------------
Naypyitaw 42.3675
Mandalay 1022.49
Yangon 33.432
Yangon 69.111
Yangon 649.299
8.1.5 reducerTP01.py
Passons à la phase reduce. L'objective de reducerTP01 est bien évidemment d'agréger les nombres total
des ventes ville par ville. Regardons le code suivant:
from operator import itemgetter
import sys
current_city = None
current_prix = 0
city = None
# input comes from STDIN

01
02
# parse the input we got from mapper.py

city, prix = line.split("\t", 1)
try:
prix = float(prix)
except ValueError:
# prix was not a number, so silently
#ignore/discard this line
continue
if 03:
04 #calculer la somme des prix par ville
else:
if 05:
# write result to STDOUT
print(current_city, current_prix) #print cle valeur
06 #passer a la cle suivant (ville)
07 #initialisation le prix pour le ville suivant
# do not forget to output the last word if needed!

if 08:
print(current_city, current_prix) #print cle valeur
mapperTP01.py et reducerTP01.py en complétant le code suivant(Champs vide 09 et 10):

streaming.jar"
09
-mapper 'python mapperTP01.py' \
10
-input MapReduceProjets/supermarket_sales_Module7.csv \
-output outTp01
Vérifier le résultat de lancement de votre application streaming en exécutant le code suivant:

print ("-------------------------------")
!hdfs dfs -text outTp01/part-00000
Found 2 items
-------------------------------
Mandalay 106197.672
Naypyitaw 110568.7065
Yangon 106200.3705
8.1.6 Conclusion
Avec les deux programmes réalisés dans ce TP, nous arrivons à localiser les ventes totales par ville qui nous
permettra d'identifier plus clairement la répartition des ventes entre les villes et quelle(s) villes nous
rapporte la plus de vente.
8.2 TP 02: Calculer maximum et minimum du salaire par profession
Une façon de comprendre comment fonctionne une administration municipale consiste à examiner qui elle
emploie et comment ses employés sont rémunérés. Ces données contiennent les noms, le titre du poste et
la rémunération des employés de la ville de San Francisco sur une base annuelle de 2011 à 2014.
Nous avons pris les fichiers bruts ici[ https://transparentcalifornia.com/salaries/san-francisco/ ] et les avons
combinés / normalisés dans un seul fichier CSV.
8.2.1 Le fichier d'import: salaries_Module7.csv
Id EmployeeName JobTitle BasePay OvertimePay OtherPay Benefits TotalPay Year Notes Agency Status
De la même manière que 8.1.2 et 8.1.3 , nous copions le fichier salaries_Module7.csv dans notre
dossier HDFS: MapReduceProjets
Expected result 8.2.1:
!hdfs dfs -ls MapReduceProjets/
L'objective de ce TP02 est déterminer les salaires maximum et minimum pour chaque profession ainsi de
compter combien de personnes ont touché ce max/min.
8.2.2 mapperTP02.py
L'objective de mapperTP02.py est également, comme TP01, de définir les paires clé/ valeur . Dans notre
cas, il s'agit de se concentrer sur les deux colonnes: JobTitle et TotalPay. En plus, il faut aussi afficher un
compteur de 1. Donc ça fait en total une clé deux valeurs pour le flux de sortie.
import sys
#################
#Avec l'aide de mapperTP01, compléter vous même mapperTP02
#################
# input comes from STDIN (standard input)
# split the line into words
# Afficher cle valeur city and Total
Une fois que vous aurez codé mapperTP02, testez mapperTP02.py, sachant que nous voulons négliger la
phase reduce pour le moment:

streaming.jar"
#Complétez vous les commandes CLI.
-output outTp02

print ("-------------------------------")
print ("-------------------------------")
Found 3 items
-------------------------------
Fire Safety Inspector 2 148947.78 1
Firefighter 149886.01 1
Police Officer 3 154283.1 1
Police Officer 2 155112.33 1
Registered Nurse 150246.66 1
-------------------------------
Custodian 0.0 1
Not provided 0.0 1
Not provided 0.0 1
Not provided 0.0 1
Counselor, Log Cabin Ranch -618.13 1
Passons à la phase reduce. L'objective de reducerTP02 est donc de garder le salaire maximum et minimum
pour chaque profession et de compter combien de personnes ont touché ce max/min.
Regardons le code suivant:
from operator import itemgetter

import sys
current_pro = None
max_salaire = 0
min_salaire = 0
current_counter = 0
pro = None
# input comes from STDIN

01:
02
# parse the input we got from mapper.py

pro, salaire, counter = line.split("\t", 3)
try:
salaire = float(salaire)
except ValueError:
# salaire was not a number, so silently
continue
try:
counter = float(counter)
except ValueError:
# counter was not a number, so silently
continue
if min_salaire == 0:
03 #initialiser une valeur au minimum pour la premier cle,valeur
if current_pro == pro:
if max_salaire < salaire: # le maximum
04
if min_salaire > salaire: #le minimum
05
06 #calcule le nombre du employer par profession
else:
if current_pro:
# write result to STDOUT
07
08 #passer a la cle suivant
09 #initialisation du conteur de la profession suivante
10 #initialisation du salaire de la profession suivante
11 #intialiser premier salaire de la cle suivante comme un minimum
12 #intialiser premier salaire de la cle suivante comme un maximum
# do not forget to output the last word if needed!

if current_pro == pro:
print(current_pro, max_salaire , min_salaire , current_counter)
mapperTP02.py et reducerTP02.py en complétant le code suivant:

streaming.jar"
-output outTp02

print ("-------------------------------")

Found 2 items
-------------------------------
('ACCOUNT CLERK', 60838.2, 614.0, 83.0)
('ACCOUNTANT', 65392.01, 1148.4, 5.0)
('ACCOUNTANT INTERN', 58799.53, 2981.53, 48.0)
('ACPO,JuvP, Juv Prob (SFERS)', 62290.78, 62290.78, 1.0)
('ACUPUNCTURIST', 67594.4, 67594.4, 1.0)
text: Unable to write to output stream.
8.3 TP03: Déterminer l'âge moyen des personnes par sexe. dans la catastrophe
du Titanic
Nous connaissons tous le désastre qui s'est produit le 14 avril 1912. Le gros navire géant de 46 000 tonnes a
sombré à une profondeur de 13 000 pieds dans l'océan Atlantique Nord. Notre objectif est d'analyser les
données obtenues après cette catastrophe. Hadoop MapReduce peut être utilisé pour traiter efficacement
ces grands ensembles de données afin de trouver une solution à un problème particulier.
L'objective de ce TP est de faire une analyse du jeu de données Titanic Disaster, pour trouver l'âge moyen
des hommes et des femmes décédés dans cette catastrophe avec MapReduce Hadoop.
8.3.1 Le fichier d'import: titanic_data.txt
Survived(0/1)
PassengerID /*1 If Person Pclass Name Sex Age SibSp Parch Ticket Fare Cabin Embarked
is dead */
De la même manière que 8.1.2 et 8.1.3 , nous copions le fichier salaries_Module7.csv dans notre
dossier HDFS: MapReduceProjets
!hdfs dfs -ls MapReduceProjets/

8.3.2 mapperTP03.py
L'objective de mapperTP02.py est de définir les paires clé/ valeur. Mais cette fois ci avec une condition en
plus qui est donc de filtrer sur toutes les personnes décédées.
import sys
#################
#Avec l'aide de mapperTP01 et mapperTP02, compléter le code
#################
Une fois que vous aurez codé mapperTP02, testez mapperTP02.py, sachant que nous voulons négliger la
phase reduce pour le moment.

streaming.jar"
-output outTp03

print ("-------------------------------")
print ("-------------------------------")
Found 3 items
-------------------------------
female 42 1
female 14 1
female 24 1
female 45 1
female 28 1
-------------------------------
female 15 1
female 56 1
female 25 1
female 19 1
male 26 1
Passons à la phase reduce. L'objective de reducerTP03 est donc de calculer l'âge moyen par sexe des
personnes décédées pendant la catastrophe. En déduit de la même logique que TP01 et TP02,
implémentez le reducerTP03.py
import sys
#################
#Avec l'aide de reducerTP01 et reducerTP02, compléter le code
#################
Une fois que vous aurez terminé l'implémentation, testez mapperTP03.py et reducerTP03.py.

streaming.jar"
-output outTp03

print ("-------------------------------")
Found 2 items
-------------------------------
('female', 28.84771573604061)
('male', 27.276021505376345)

Chap 8

Transféré par

Droits d'auteur :

Formats disponibles

Chap 8

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 8

Transféré par

Droits d'auteur :

Formats disponibles

8 Travaux pratiques

8.1 TP 01: Les ventes d'un supermarché

8.1.1 Le fichier d'import: supermarket_sales_Module7.csv

Le fichier est sous la forme suivant:

8.1.2 Copier des fichiers sur un conteneur Docker

Mon fichier d'import csv est localisé sur mon disque C,

8.1.2.1 Les containers en run

Ouvrir votre Invite de commandes et taper

8.1.2.2 Copier le fichier

Vous pouvez donc exécuter le code suivant pour le faire:

Expected Output 8.1.2:

!hdfs dfs -mkdir MapReduceProjets

!hdfs dfs -copyFromLocal /home/jovyan/supermarket_sales_Module7.csv

Expected Output 8.1.3:

# input comes from STDIN (standard input)

!hdfs dfs -rm -r outTp01

Vérifier le résultat de lancement votre application streaming en exécutant le code suivant:

!hdfs dfs -ls outTp01

Expected Output 8.1.4:

# input comes from STDIN

# parse the input we got from mapper.py

# do not forget to output the last word if needed!

!hdfs dfs -rm -r outTp01

Vérifier le résultat de lancement de votre application streaming en exécutant le code suivant:

!hdfs dfs -ls outTp01

Expected Output 8.1.5:

8.2 TP 02: Calculer maximum et minimum du salaire par profession

8.2.1 Le fichier d'import: salaries_Module7.csv

Le fichier est sous la forme suivant:

Expected result 8.2.1:

!hdfs dfs -ls MapReduceProjets/

!hdfs dfs -rm -r outTp02

Vérifier le résultat de lancement votre application streaming en exécutant le code suivant:

!hdfs dfs -ls outTp02

Expected Output 8.2.2:

Regardons le code suivant:

from operator import itemgetter

# input comes from STDIN

# parse the input we got from mapper.py

# do not forget to output the last word if needed!

!hdfs dfs -rm -r outTp02

Vérifier le résultat de lancement de votre application streaming en exécutant le code suivant:

!hdfs dfs -ls outTp02

Expected Output 8.2.3:

8.3.1 Le fichier d'import: titanic_data.txt

Le fichier est sous la forme suivant:

Expected result 8.3.1:

!hdfs dfs -ls MapReduceProjets/

!hdfs dfs -rm -r outTp03

Vérifier le résultat de lancement votre application streaming en exécutant le code suivant:

!hdfs dfs -ls outTp03

Expected result 8.3.2:

!hdfs dfs -rm -r outTp03

Vérifier le résultat de lancement de votre application streaming en exécutant le code suivant:

Expected Output 8.3.3:

Vous aimerez peut-être aussi