{{{ #!html
Hadoop 進階程式設計與 HBase 資料庫整合實作
}}} [[PageOutline]] = 課程資訊 = * 上課時間： 2010/09/28 (二) ～ 2010/09/29 (三) 09:30 ～ 16:30 2 天，共計 12 個小時 * 上課地點： 國家高速網路與計算中心 台中 電腦教室 A * [https://edu.nchc.org.tw/course/one_course_introduction.asp?lms_auto_course_id=1478&from_course_list_url=course_index 報名網頁課程資訊] = 課程大綱 = == '''2010-09-28 (二)''' == * [raw-attachment:wiki:NCHCCloudCourse100928:Day1-hadoop_20100928_v1.pdf 第一天講義投影片完整版] (PDF) || 時間 || 時數 || 課程內容 || 投影片[[BR]]實作 || 補充 || || 09:30~10:40 || 50m || 介紹課程與 Hadoop 簡介 || [raw-attachment:wiki:NCHCCloudCourse100928:part-1.pdf part-1] || 1. [wiki:NCHCCloudCourse100928_1_Install 補充一：Hadoop 單機安裝與設定][[BR]]2. [raw-attachment:wiki:NCHCCloudCourse100928:install-hadoop Ubuntu 10.04 安裝 JDK, Hadoop 0.20.2 的 Bash Script][[BR]]3. 影像處理參考：[raw-attachment:wiki:jazz/09-11-10:09-11-12_hadoop-tw-09.pdf 吳冠龍先生，台大資工系通訊與多媒體實驗室][[BR]] Image Selection for Large-Scale Flickr Photos using Hadoop[[BR]]4. ACM 論文:[http://portal.acm.org/citation.cfm?id=1631528 Canonical image selection ...][[BR]]5. [http://hpc.asu.edu/files/Customizing%20Input%20File%20Formats%20for%20Image%20Processing%20in%20Hadoop_0.pdf Customizing InputFileFormats for Image Processing in Hadoop][[BR]],Jeff Conner, Arizona State University || || 10:43~10:53 || 10m || 休息 || || || || 10:53~11:30 || 40m || Hadoop生態系簡介 || [raw-attachment:wiki:NCHCCloudCourse100928:part-2.pdf part-2] || 1. [http://forum.hadoop.tw/viewtopic.php?f=4&t=301 <學習資源> Hadoop 目前三本書籍][[BR]]2. [http://www.umiacs.umd.edu/~jimmylin/MapReduce-book-final.pdf Data-Intensive Text Processing with MapReduce] (PDF),[[BR]][http://www.umiacs.umd.edu/~jimmylin/book.html Jimmy Lin, University of Maryland] || || 11:30~12:00 || 0.5h || 實作一：Hadoop Streaming 範例操作 || [wiki:NCHCCloudCourse100928/Lab1 Lab-1] || 1. [wiki:NCHCCloudCourse100928/Lab1 實作一：Hadoop Streaming 範例操作] || || 13:00~13:30 || 0.5h || MapReduce 與 HDFS 觀念介紹 || [raw-attachment:wiki:NCHCCloudCourse100928:part-3.pdf part-3] || 1. [http://trac.nchc.org.tw/grid/intertrac/wiki%3Ajazz/09-04-14%23MapReduce 不同語言的 MapReduce 實作] || || 13:30~14:20 || 50m || 開發輔助工具 Eclipse | Netbeans || [raw-attachment:wiki:NCHCCloudCourse100928:part-4.pdf part-4][[BR]][wiki:NCHCCloudCourse100928/Lab2 Lab-2] || 1. [wiki:NCHCCloudCourse100928_2_IDE 實作二 ：編譯環境設定- 安裝 Eclipse 3.3.2 與 Hadoop 外掛程式][[BR]]2. [wiki:NCHCCloudCourse100928/Netbeans 補充二：安裝 Netbean 6.9.1 中文版與 KamaSphere Studio 外掛程式] || || 14:30~15:00 || 30m || Map Reduce 程式架構 || [raw-attachment:wiki:NCHCCloudCourse100928:part-5.pdf part-5] || 1. [wiki:NCHCCloudCourse100928_3_EXE 實作三 ： HDFS IO Code] || || 15:00~16:50 || 2h 超過 || 程式設計：範例程式解說與實作 || [raw-attachment:wiki:NCHCCloudCourse100928:part-5.pdf part-5] || 1. [wiki:NCHCCloudCourse100928_4_EXM 實作四 ： MapReduce 範例程式] || * 課後練習方式： * 使用[http://www.cloudera.com/downloads/ Cloudera 提供的 VMWare Image] (CDH2, 0.20.x) * 使用[http://developer.yahoo.com/hadoop/tutorial/module3.html#vm Yahoo! Hadoop Tutorial 的 VMWare Image] (0.20.S) * 使用[http://code.google.com/intl/zh-TW/edu/parallel/tools/hadoopvm/index.html Google 提供的 Hadoop VMWare Image] (0.13,很舊了) == '''2010-09-29 (三)''' == * [raw-attachment:wiki:NCHCCloudCourse100928:Day2-hbase-2010023-handout.pdf 第二天講義投影片完整版] (PDF) || 時間 || 時數 || 課程內容 || 投影片/實作 || 補充 || || 09:30~10:20 || 50m || 開發環境確認[[BR]]範例程式補完[[BR]]Hadoop應用範例分享 || [raw-attachment:wiki:NCHCCloudCourse100928:part-5.pdf part-5] || 1. [wiki:NCHCCloudCourse100928#補充資料 心得分享：NoSQL 必須視應用特性再決定是否採用][[BR]]2. [wiki:NCHCCloudCourse100928_4_EXM 實作四：MapReduce 範例程式] || || 10:20~10:30 || 10m || 休息 || || || || 10:30~11:30 || 60m || HBase 簡介與架構 || [raw-attachment:wiki:NCHCCloudCourse100928:part-6.pdf part-6] || 1. [wiki:NCHCCloudCourse100929_1_HBInstall 實作五：安裝與設定參考] || || 11:30~12:00 || 30m || HBase 安裝操作說明 || [raw-attachment:wiki:NCHCCloudCourse100928:part-7.pdf part-7] || 1. [wiki:NCHCCloudCourse100929_2_USE 實作六：HBase 使用方法] || || 12:00~13:00 || 60m || - 午餐 || || || || 13:00~14:00 || 60m || HBase 程式架構與範例 || [raw-attachment:wiki:NCHCCloudCourse100928:part-8.pdf part-8] || 1. [wiki:NCHCCloudCourse100929_4_HBEX 實作七 ：HBase程式設計][[BR]]2. [wiki:NCHCCloudCourse100929_4_HEXM HBase 範例：台中餐城(TCRC)銷售金額統計] || || 14:00~14:20 || 20m || 實作練習 + 休息 + 發課程收據/修課證明 || || || || 14:20~16:00 || 100m || Hadoop + HBase + PHP 案例實務 || [raw-attachment:wiki:NCHCCloudCourse100928:part-8.pdf part-8] || 1. [wiki:waue/2010/HbaseThrift 實作八 ：Hbase + Thrift + PHP ] || || 16:00~16:10 || 10m || 補充教材: hadoop + 關聯式資料庫 || [raw-attachment:wiki:NCHCCloudCourse100928:part-9.pdf part-9] || 1. [wiki:NCHCCloudCourse100928_MYSQL Hadoop 透過 JDBC 連結 MySQL 範例程式碼][[BR]]2. [http://www.mysql.com/downloads/connector/j/ JDBC Driver for MySQL (Connector/J)][[BR]] 3. [http://www.cloudera.com/blog/tag/dbinputformat/ 關於 DBInputFormat (from Cloudera)] - [http://developer.yahoo.net/blogs/hadoop/DBInputFormat.ppt slides] || || 16:10~16:30 || 20m || Hadoop 與 HBase 應用案例分享 || [raw-attachment:wiki:NCHCCloudCourse100928:part-10.pdf part-10] || 1. [wiki:waue/2009/SEC_to_ICAS ICAS][[BR]]2. [http://code.google.com/p/crawlzilla Crawlzilla] || * 課後問題討論，建議優先至 http://forum.hadoop.tw 進行討論。 * 需要 Hadoop 叢集環境，可至 http://hadoop.nchc.org.tw 申請帳號。 = 課程實做 = == 第一天 == * 實做一 ： [wiki:NCHCCloudCourse100928_1_Install 安裝與設定參考] * 實做二 ： [wiki:NCHCCloudCourse100928_2_IDE 編譯環境設定] * 實做三 ： [wiki:NCHCCloudCourse100928_3_EXE 程式設計I- HDFS IO Code] * 實做四 ： [wiki:NCHCCloudCourse100928_4_EXM 程式設計II- MapReduce 範例程式] == 第二天 == * 實做一 ： [wiki:NCHCCloudCourse100929_1_HBInstall 安裝與設定參考] * 實做二 ： [wiki:NCHCCloudCourse100929_2_USE HBase 使用方法] * 實做三 ： [wiki:waue/2010/HbaseThrift Hbase + Thrift + PHP ] * 實做四 ： [wiki:NCHCCloudCourse100929_4_HBEX HBase程式設計] , [wiki:NCHCCloudCourse100929_4_HEXM 範例] = 補充資料 = * [benchmark] [http://wiki.github.com/brianfrankcooper/YCSB/ Yahoo! Cloud Serving Benchmark (YCSB)] - [http://research.yahoo.com/node/3202 論文: Benchmarking Cloud Serving Systems with YCSB] * Yahoo 寫的效能測試軟體，YCSB 1.2 版支援 HBase, Cassandra, MongoDB * 從[http://www.brianfrankcooper.net/pubs/ycsb-socc-talk.ppt 論文簡報投影片]得到的[http://www.brianfrankcooper.net/pubs/ycsb-v4.pdf 結論]注意到幾件事情： * 若資料庫特性是一半讀一半寫，MySQL 大約在 7500 operations/sec 時會到達效能極限。若資料庫特性是 95% 讀 5% 寫，就沒看到明顯效能極限。 * HBase 寫入飛快，但讀取會稍微慢一點，而且讀取的效率不太線性。(寫入記憶體所以超快，但成本也比較高，查詢時重建紀錄) 加機器時，不會有明顯的效能差異 (跟 HDFS 一樣，要跑 balancer 才會搬資料)。 - Low Update Latency, Higher Read Latency * Cassandra 寫入稍微慢一點，讀取則比 HBase 快，特別是資料庫特性是 95% 讀取時比 HBase 快。加機器的時候，會需要一段時間才能讓效能穩定下來(這部分我覺得是副本架構造成的)。 * [[Image(NCHCCloudCourse100928:cassandra_hbase_update_heavy.png,width=800)]] * [[Image(NCHCCloudCourse100928:cassandra_hbase_read_heavy.png,width=800)]] * [[Image(NCHCCloudCourse100928:cassandra_hbase_short_scans.png,width=800)]] * [[Image(NCHCCloudCourse100928:cassandra_hbase_scale_up.png,width=800)]]