统计软件

RHadoop 实践系列之二：RHadoop 安装与使用

关键词：hadoop; MapReduce; rhadoop; R 语言; 海量数据

Author：张丹 (Conan)

Date: 2013-03-07

Weibo: @Conan_Z

Email: [email protected]

Blog: http://www.fens.me/blog

APPs:

@晒粉丝 http://www.fens.me

@每日中国天气 http://apps.weibo.com/chinaweatherapp

RHadoop 实践系列文章

RHadoop 实践系列文章，包含了 R 语言与 Hadoop 结合进行海量数据分析。Hadoop 主要用来存储海量数据，R 语言完成 MapReduce 算法，用来替代 Java 的 MapReduce 实现。有了 RHadoop 可以让广大的 R 语言爱好者，有更强大的工具处理大数据。1G, 10G, 100G, TB,PB 由于大数据所带来的单机性能问题，可能会一去联复返了。

RHadoop 实践是一套系列文章，主要包括 “Hadoop 环境搭建”，“RHadoop 安装与使用”，“R 实现 MapReduce 的算法案例”，“HBase 和 rhbase 的安装与使用”。对于单独的 R 语言爱好者，Java 爱好者，或者 Hadoop 爱好者来说，同时具备三种语言知识并不容易。此文虽为入门文章，但 R,Java,Hadoop 基础知识还是需要大家提前掌握。

第二篇 RHadoop 安装与使用部分，分为 3 个章节。

RHadoop 安装
RHadoop 程序用例

每一章节，都会分为 “文字说明部分” 和“代码部分”，保持文字说明与代码的连贯性。

注：Hadoop 环境搭建的详细记录，请查看同系列上一篇文章 “RHadoop 实践系列文章之 Hadoop 环境搭建”。

由于两篇文章并非同一时间所写，hadoop 版本及操作系统，分步式环境都略有不同。

两篇文章相互独立，请大家在理解的基础上动手实验，不要完成依赖两篇文章中的运行命令。

文字说明部分：

首先环境准备，这里我选择了 Linux Ubuntu 操作系统 12.04 的 64 位版本，大家可以根据自己的使用习惯选择顺手的 Linux。

但 JDK 一定要用 Oracle SUN 官方的版本，请从官网下载，操作系统的自带的 OpenJDK 会有各种不兼容。JDK 请选择 1.6.x 的版本，JDK1.7 版本也会有各种的不兼容情况。

http://www.oracle.com/technetwork/java/javase/downloads/index.html

Hadoop 的环境安装，请参考 RHadoop 实践系统 “Hadoop 环境搭建” 的一文。

R 语言请安装 2.15 以后的版本，2.14 是不能够支持 RHadoop 的。

如果你也使用 Linux Ubuntu 操作系统 12.04，请先更新软件包源，否则只能下载到 2.14 版本的 R。

代码部分：

1. 操作系统 Ubuntu 12.04 x64·

~ uname -a
Linux domU-00-16-3e-00-00-85 3.2.0-23-generic #36-Ubuntu SMP Tue Apr 10 20:39:51 UTC 2012 x86_64 x86_64 x86_64 GNU/Linux

2. JAVA 环境

~ java -version
java version "1.6.0_29"
Java(TM) SE Runtime Environment (build 1.6.0_29-b11)
Java HotSpot(TM) 64-Bit Server VM (build 20.4-b02, mixed mode)

3. HADOOP 环境 (这里只需要 hadoop)

hadoop-1.0.3  hbase-0.94.2  hive-0.9.0  pig-0.10.0  sqoop-1.4.2  thrift-0.8.0  zookeeper-3.4.4

4. R 的环境

R version 2.15.3 (2013-03-01) -- "Security Blanket"
Copyright (C) 2013 The R Foundation for Statistical Computing
ISBN 3-900051-07-0
Platform: x86_64-pc-linux-gnu (64-bit)

4.1 如果是 Ubuntu 12.04，请更新源再下载 R2.15.3 版本

sh -c "echo deb http://mirror.bjtu.edu.cn/cran/bin/linux/ubuntu precise/ >>/etc/apt/sources.list"
apt-get update
apt-get install r-base

RHadoop 安装

文字说明部分：

RHadoop 是 RevolutionAnalytics 的工程的项目，开源实现代码在 GitHub 社区可以找到。RHadoop 包含三个 R 包 (rmr，rhdfs，rhbase)，分别是对应 Hadoop 系统架构中的，MapReduce, HDFS, HBase 三个部分。由于这三个库不能在 CRAN 中找到，所以需要自己下载。

https://github.com/RevolutionAnalytics/RHadoop/wiki

接下我们需要先安装这三个库的依赖库。

首先是 rJava，上个章节我们已经配置好了 JDK1.6 的环境，运行 R CMD javareconf 命令，R 的程序从系统变量中会读取 Java 配置。然后打开 R 程序，通过 install.packages 的方式，安装 rJava。

然后，我还要安装其他的几个依赖库，reshape2，Rcpp，iterators，itertools，digest，RJSONIO，functional，通过 install.packages 都可以直接安装。

接下安装 rhdfs 库，在环境变量中增加 HADOOP_CMD 和 HADOOP_STREAMING 两个变量，可以用 export 在当前命令窗口中增加。但为下次方便使用，最好把变量增加到系统环境变更 / etc/environment 文件中。再用 R CMD INSTALL 安装 rhdfs 包，就可以顺利完成了。

安装 rmr 库，使用 R CMD INSTALL 也可以顺利完成了。

安装 rhbase 库，后面 “HBase 和 rhbase 的安装与使用” 文章中会继续介绍，这里暂时跳过。

最后，我们可以查看一下，RHADOOP 都安装了哪些库。

由于我的硬盘是外接的，使用 mount 和软连接 (ln -s) 挂载了 R 类库的目录，所以是 R 的类库在 / disk1/system 下面

/disk1/system/usr/local/lib/R/site-library/

一般 R 的类库目录是 / usr/lib/R/site-library 或者 / usr/local/lib/R/site-library，用户也可以使用 whereis R 的命令查询，自己电脑上 R 类库的安装位置

代码部分：

1. 下载 RHadoop 相关的 3 个程序包

https://github.com/RevolutionAnalytics/RHadoop/wiki/Downloads

rmr-2.1.0
rhdfs-1.0.5
rhbase-1.1

2. 复制到 / root/R 目录

~/R# pwd
/root/R
~/R# ls
rhbase_1.1.tar.gz  rhdfs_1.0.5.tar.gz  rmr2_2.1.0.tar.gz

3. 安装依赖库

命令行执行
~ R CMD javareconf

# 启动R程序
install.packages("rJava")
install.packages("reshape2")
install.packages("Rcpp")
install.packages("iterators")
install.packages("itertools")
install.packages("digest")
install.packages("RJSONIO")
install.packages("functional")

4. 安装 rhdfs 库

~ export HADOOP_CMD=/root/hadoop/hadoop-1.0.3/bin/hadoop
~ export HADOOP_STREAMING=/root/hadoop/hadoop-1.0.3/contrib/streaming/hadoop-streaming-1.0.3.jar (rmr2会用到)
~ R CMD INSTALL /root/R/rhdfs_1.0.5.tar.gz

4.1 最好把 HADOOP_CMD 设置到环境变量

~ vi /etc/environment
HADOOP_CMD=/root/hadoop/hadoop-1.0.3/bin/hadoop
HADOOP_STREAMING=/root/hadoop/hadoop-1.0.3/contrib/streaming/hadoop-streaming-1.0.3.jar
./etc/environment

5. 安装 rmr 库

~  R CMD INSTALL rmr2_2.1.0.tar.gz

6. 安装 rhbase 库 (暂时跳过)

7. 所有的安装包

~ ls /disk1/system/usr/local/lib/R/site-library/
digest  functional  iterators  itertools  plyr  Rcpp  reshape2  rhdfs  rJava  RJSONIO  rmr2  stringr

RHadoop 程序用例

文字说明部分：

安装好 rhdfs 和 rmr 两个包后，我们就可以使用 R 尝试一些 hadoop 的操作了。

首先，是基本的 hdfs 的文件操作。

查看 hdfs 文件目录

hadoop 的命令：hadoop fs -ls /user

R 语言函数：hdfs.ls(”/user/“)

查看 hadoop 数据文件

hadoop 的命令：hadoop fs -cat /user/hdfs/o_same_school/part-m-00000

R 语言函数：hdfs.cat(”/user/hdfs/o_same_school/part-m-00000″)

接下来，我们执行一个 rmr 算法的任务

普通的 R 语言程序：

small.ints = 1:10
sapply(small.ints, function(x) x^2)

MapReduce 的 R 语言程序：

small.ints = to.dfs(1:10)
mapreduce(input = small.ints, map = function(k, v) cbind(v, v^2))
from.dfs("/tmp/RtmpWnzxl4/file5deb791fcbd5")

因为 MapReduce 只能访问 HDFS 文件系统，先要用 to.dfs 把数据存储到 HDFS 文件系统里。MapReduce 的运算结果再用 from.dfs 函数从 HDFS 文件系统中取出。

第二个，rmr 的例子是 wordcount，对文件中的单词计数

input<- '/user/hdfs/o_same_school/part-m-00000'
wordcount = function(input, output = NULL, pattern = " ") {
    wc.map = function(., lines) {
                keyval(unlist( strsplit( x = lines,split = pattern)),1)
        }
        wc.reduce =function(word, counts ) {
                keyval(word, sum(counts))
        } 
        mapreduce(input = input ,output = output, input.format = "text",
            map = wc.map, reduce = wc.reduce,combine = T)
    }
wordcount(input)
from.dfs("/tmp/RtmpfZUFEa/file6cac626aa4a7")

我在 HDFS 上提前放置了数据文件 / user/hdfs/o_same_school/part-m-00000。写 wordcount 的 MapReduce 函数，执行 wordcount 函数，最后用 from.dfs 从 HDFS 中取得结果。

代码部分：

1. rhdfs 包的使用

# 启动R程序
library(rhdfs)
# Loading required package: rJava
# HADOOP_CMD=/root/hadoop/hadoop-1.0.3/bin/hadoop
# Be sure to run hdfs.init()
hdfs.init()

1.1 命令查看 hadoop 目录

~ hadoop fs -ls /user
Found 4 items
drwxr-xr-x   - root supergroup          0 2013-02-01 12:15 /user/conan
drwxr-xr-x   - root supergroup          0 2013-03-06 17:24 /user/hdfs
drwxr-xr-x   - root supergroup          0 2013-02-26 16:51 /user/hive
drwxr-xr-x   - root supergroup          0 2013-03-06 17:21 /user/root

1.2 rhdfs 查看 hadoop 目录

hdfs.ls("/user/")
    
 permission    owner  group    size     modtime        file
1 drwxr-xr-x  root supergroup    0 2013-02-01 12:15 /user/conan
2 drwxr-xr-x  root supergroup    0 2013-03-06 17:24  /user/hdfs
3 drwxr-xr-x  root supergroup    0 2013-02-26 16:51  /user/hive
4 drwxr-xr-x  root supergroup    0 2013-03-06 17:21  /user/root

1.3 命令查看 hadoop 数据文件

    ~ hadoop fs -cat /user/hdfs/o_same_school/part-m-00000
    
    10,3,tsinghua university,2004-05-26 15:21:00.0
    23,4007,北京第一七一中学,2004-05-31 06:51:53.0
    51,4016,大连理工大学,2004-05-27 09:38:31.0
    89,4017,Amherst College,2004-06-01 16:18:56.0
    92,4017,斯坦福大学,2012-11-28 10:33:25.0
    99,4017,Stanford University Graduate School of Business,2013-02-19 12:17:15.0
    113,4017,Stanford University,2013-02-19 12:17:15.0
    123,4019,St Paul's Co-educational College - Hong Kong,2004-05-27 18:04:17.0
    138,4019,香港苏浙小学,2004-05-27 18:59:58.0
    172,4020,University,2004-05-27 19:14:34.0
    182,4026,ff,2004-05-28 04:42:37.0
    183,4026,ff,2004-05-28 04:42:37.0
    189,4033,tsinghua,2011-09-14 12:00:38.0
    195,4035,ba,2004-05-31 07:10:24.0
    196,4035,ma,2004-05-31 07:10:24.0
    197,4035,southampton university,2013-01-07 15:35:18.0
    246,4067,美国史丹佛大学,2004-06-12 10:42:10.0
    254,4067,美国史丹佛大学,2004-06-12 10:42:10.0
    255,4067,美国休士顿大学,2004-06-12 10:42:10.0
    257,4068,清华大学,2004-06-12 10:42:10.0
    258,4068,北京八中,2004-06-12 17:34:02.0
    262,4068,香港中文大学,2004-06-12 17:34:02.0
    310,4070,首都师范大学初等教育学院,2004-06-14 15:35:52.0
    312,4070,北京师范大学经济学院,2004-06-14 15:35:52.0

1.4 rhdfs 查看 hadoop 数据文件

hdfs.cat("/user/hdfs/o_same_school/part-m-00000")
    
     [1] "10,3,tsinghua university,2004-05-26 15:21:00.0"
     [2] "23,4007,北京第一七一中学,2004-05-31 06:51:53.0"
     [3] "51,4016,大连理工大学,2004-05-27 09:38:31.0"
     [4] "89,4017,Amherst College,2004-06-01 16:18:56.0"
     [5] "92,4017,斯坦福大学,2012-11-28 10:33:25.0"
     [6] "99,4017,Stanford University Graduate School of Business,2013-02-19 12:17:15.0"
     [7] "113,4017,Stanford University,2013-02-19 12:17:15.0"
     [8] "123,4019,St Paul's Co-educational College - Hong Kong,2004-05-27 18:04:17.0"
     [9] "138,4019,香港苏浙小学,2004-05-27 18:59:58.0"
    [10] "172,4020,University,2004-05-27 19:14:34.0"
    [11] "182,4026,ff,2004-05-28 04:42:37.0"
    [12] "183,4026,ff,2004-05-28 04:42:37.0"
    [13] "189,4033,tsinghua,2011-09-14 12:00:38.0"
    [14] "195,4035,ba,2004-05-31 07:10:24.0"
    [15] "196,4035,ma,2004-05-31 07:10:24.0"
    [16] "197,4035,southampton university,2013-01-07 15:35:18.0"
    [17] "246,4067,美国史丹佛大学,2004-06-12 10:42:10.0"
    [18] "254,4067,美国史丹佛大学,2004-06-12 10:42:10.0"
    [19] "255,4067,美国休士顿大学,2004-06-12 10:42:10.0"
    [20] "257,4068,清华大学,2004-06-12 10:42:10.0"
    [21] "258,4068,北京八中,2004-06-12 17:34:02.0"
    [22] "262,4068,香港中文大学,2004-06-12 17:34:02.0"
    [23] "310,4070,首都师范大学初等教育学院,2004-06-14 15:35:52.0"
    [24] "312,4070,北京师范大学经济学院,2004-06-14 15:35:52.0"

2. rmr2 包的使用

    # 启动R程序
    library(rmr2)
    
    Loading required package: Rcpp
    Loading required package: RJSONIO
    Loading required package: digest
    Loading required package: functional
    Loading required package: stringr
    Loading required package: plyr
    Loading required package: reshape2

2.1 执行 r 任务

small.ints = 1:10
sapply(small.ints, function(x) x^2)
    
[1]   1   4   9  16  25  36  49  64  81 100

2.2 执行 rmr2 任务

    small.ints = to.dfs(1:10)
    
    13/03/07 12:12:55 INFO util.NativeCodeLoader: Loaded the native-hadoop library
    13/03/07 12:12:55 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
    13/03/07 12:12:55 INFO compress.CodecPool: Got brand-new compressor
    
    mapreduce(input = small.ints, map = function(k, v) cbind(v, v^2))
    
    packageJobJar: [/tmp/RtmpWnzxl4/rmr-local-env5deb2b300d03, /tmp/RtmpWnzxl4/rmr-global-env5deb398a522b, /tmp/RtmpWnzxl4/rmr-streaming-map5deb1552172d, /root/hadoop/tmp/hadoop-unjar7838617732558795635/] [] /tmp/streamjob4380275136001813619.jar tmpDir=null
    13/03/07 12:12:59 INFO mapred.FileInputFormat: Total input paths to process : 1
    13/03/07 12:12:59 INFO streaming.StreamJob: getLocalDirs(): [/root/hadoop/tmp/mapred/local]
    13/03/07 12:12:59 INFO streaming.StreamJob: Running job: job_201302261738_0293
    13/03/07 12:12:59 INFO streaming.StreamJob: To kill this job, run:
    13/03/07 12:12:59 INFO streaming.StreamJob: /disk1/hadoop/hadoop-1.0.3/libexec/../bin/hadoop job  -Dmapred.job.tracker=hdfs://r.qa.tianji.com:9001 -kill job_201302261738_0293
    13/03/07 12:12:59 INFO streaming.StreamJob: Tracking URL: http://192.168.1.243:50030/jobdetails.jsp?jobid=job_201302261738_0293
    13/03/07 12:13:00 INFO streaming.StreamJob:  map 0%  reduce 0%
    13/03/07 12:13:15 INFO streaming.StreamJob:  map 100%  reduce 0%
    13/03/07 12:13:21 INFO streaming.StreamJob:  map 100%  reduce 100%
    13/03/07 12:13:21 INFO streaming.StreamJob: Job complete: job_201302261738_0293
    13/03/07 12:13:21 INFO streaming.StreamJob: Output: /tmp/RtmpWnzxl4/file5deb791fcbd5
    
    from.dfs("/tmp/RtmpWnzxl4/file5deb791fcbd5")
    
    $key
    NULL
    
    $val
           v
     [1,]  1   1
     [2,]  2   4
     [3,]  3   9
     [4,]  4  16
     [5,]  5  25
     [6,]  6  36
     [7,]  7  49
     [8,]  8  64
     [9,]  9  81
    [10,] 10 100

2.3 wordcount 执行 rmr2 任务

    input<- '/user/hdfs/o_same_school/part-m-00000'
    wordcount = function(input, output = NULL, pattern = " "){
    
        wc.map = function(., lines) {
                keyval(unlist( strsplit( x = lines,split = pattern)),1)
        }
    
        wc.reduce =function(word, counts ) {
                keyval(word, sum(counts))
        }         
    
        mapreduce(input = input ,output = output, input.format = "text",
            map = wc.map, reduce = wc.reduce,combine = T)
    }
    
    wordcount(input)
    
    packageJobJar: [/tmp/RtmpfZUFEa/rmr-local-env6cac64020a8f, /tmp/RtmpfZUFEa/rmr-global-env6cac73016df3, /tmp/RtmpfZUFEa/rmr-streaming-map6cac7f145e02, /tmp/RtmpfZUFEa/rmr-streaming-reduce6cac238dbcf, /tmp/RtmpfZUFEa/rmr-streaming-combine6cac2b9098d4, /root/hadoop/tmp/hadoop-unjar6584585621285839347/] [] /tmp/streamjob9195921761644130661.jar tmpDir=null
    13/03/07 12:34:41 INFO util.NativeCodeLoader: Loaded the native-hadoop library
    13/03/07 12:34:41 WARN snappy.LoadSnappy: Snappy native library not loaded
    13/03/07 12:34:41 INFO mapred.FileInputFormat: Total input paths to process : 1
    13/03/07 12:34:41 INFO streaming.StreamJob: getLocalDirs(): [/root/hadoop/tmp/mapred/local]
    13/03/07 12:34:41 INFO streaming.StreamJob: Running job: job_201302261738_0296
    13/03/07 12:34:41 INFO streaming.StreamJob: To kill this job, run:
    13/03/07 12:34:41 INFO streaming.StreamJob: /disk1/hadoop/hadoop-1.0.3/libexec/../bin/hadoop job  -Dmapred.job.tracker=hdfs://r.qa.tianji.com:9001 -kill job_201302261738_0296
    13/03/07 12:34:41 INFO streaming.StreamJob: Tracking URL: http://192.168.1.243:50030/jobdetails.jsp?jobid=job_201302261738_0296
    13/03/07 12:34:42 INFO streaming.StreamJob:  map 0%  reduce 0%
    13/03/07 12:34:59 INFO streaming.StreamJob:  map 100%  reduce 0%
    13/03/07 12:35:08 INFO streaming.StreamJob:  map 100%  reduce 17%
    13/03/07 12:35:14 INFO streaming.StreamJob:  map 100%  reduce 100%
    13/03/07 12:35:20 INFO streaming.StreamJob: Job complete: job_201302261738_0296
    13/03/07 12:35:20 INFO streaming.StreamJob: Output: /tmp/RtmpfZUFEa/file6cac626aa4a7
    
    from.dfs("/tmp/RtmpfZUFEa/file6cac626aa4a7")
    
    $key
     [1] "-"
     [2] "04:42:37.0"
     [3] "06:51:53.0"
     [4] "07:10:24.0"
     [5] "09:38:31.0"
     [6] "10:33:25.0"
     [7] "10,3,tsinghua"
     [8] "10:42:10.0"
     [9] "113,4017,Stanford"
    [10] "12:00:38.0"
    [11] "12:17:15.0"
    [12] "123,4019,St"
    [13] "138,4019,香港苏浙小学,2004-05-27"
    [14] "15:21:00.0"
    [15] "15:35:18.0"
    [16] "15:35:52.0"
    [17] "16:18:56.0"
    [18] "172,4020,University,2004-05-27"
    [19] "17:34:02.0"
    [20] "18:04:17.0"
    [21] "182,4026,ff,2004-05-28"
    [22] "183,4026,ff,2004-05-28"
    [23] "18:59:58.0"
    [24] "189,4033,tsinghua,2011-09-14"
    [25] "19:14:34.0"
    [26] "195,4035,ba,2004-05-31"
    [27] "196,4035,ma,2004-05-31"
    [28] "197,4035,southampton"
    [29] "23,4007,北京第一七一中学,2004-05-31"
    [30] "246,4067,美国史丹佛大学,2004-06-12"
    [31] "254,4067,美国史丹佛大学,2004-06-12"
    [32] "255,4067,美国休士顿大学,2004-06-12"
    [33] "257,4068,清华大学,2004-06-12"
    [34] "258,4068,北京八中,2004-06-12"
    [35] "262,4068,香港中文大学,2004-06-12"
    [36] "312,4070,北京师范大学经济学院,2004-06-14"
    [37] "51,4016,大连理工大学,2004-05-27"
    [38] "89,4017,Amherst"
    [39] "92,4017,斯坦福大学,2012-11-28"
    [40] "99,4017,Stanford"
    [41] "Business,2013-02-19"
    [42] "Co-educational"
    [43] "College"
    [44] "College,2004-06-01"
    [45] "Graduate"
    [46] "Hong"
    [47] "Kong,2004-05-27"
    [48] "of"
    [49] "Paul's"
    [50] "School"
    [51] "University"
    [52] "university,2004-05-26"
    [53] "university,2013-01-07"
    [54] "University,2013-02-19"
    [55] "310,4070,首都师范大学初等教育学院,2004-06-14"
    
    $val
     [1] 1 2 1 2 1 1 1 4 1 1 2 1 1 1 1 2 1 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
    [39] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

敬告各位友媒，如需转载，请与统计之都小编联系（直接留言或发至邮箱：[email protected]），获准转载的请在显著位置注明作者和出处（转载自：统计之都），并在文章结尾处附上统计之都微信二维码。

统计之都微信二维码

← COS 每周精选: R 的概率分布花园 RHadoop 实践系列之一: Hadoop 环境搭建 →

发表 / 查看评论

RHadoop 实践系列之二：RHadoop 安装与使用

RHadoop 实践系列之二：RHadoop 安装与使用

RHadoop 实践系列文章

第二篇 RHadoop 安装与使用部分，分为 3 个章节。

文字说明部分：

代码部分：

1. 操作系统 Ubuntu 12.04 x64·

2. JAVA 环境

3. HADOOP 环境 (这里只需要 hadoop)

4. R 的环境

4.1 如果是 Ubuntu 12.04，请更新源再下载 R2.15.3 版本

RHadoop 安装

文字说明部分：

代码部分：

1. 下载 RHadoop 相关的 3 个程序包

2. 复制到 / root/R 目录

3. 安装依赖库

4. 安装 rhdfs 库

4.1 最好把 HADOOP_CMD 设置到环境变量

5. 安装 rmr 库

6. 安装 rhbase 库 (暂时跳过)

7. 所有的安装包

RHadoop 程序用例

文字说明部分：

代码部分：

1. rhdfs 包的使用

1.1 命令查看 hadoop 目录

1.2 rhdfs 查看 hadoop 目录

1.3 命令查看 hadoop 数据文件

1.4 rhdfs 查看 hadoop 数据文件

2. rmr2 包的使用

2.1 执行 r 任务

2.2 执行 rmr2 任务

2.3 wordcount 执行 rmr2 任务

Recommend

About Joyk