update

lab/LAB_01.md

@@ -2,7 +2,7 @@
 
 Do wykonania ćwiczeń należy skopiować repozytorium:
 ```shell
-git clone https://git.wmi.amu.edu.pl/s1201683/hadoop_zaliczenie
+git clone https://git.wmi.amu.edu.pl/s1201683/hadoop_sorted.git
 ```
 Celem ćwiczenia jest zaprezentowanie aplikacji w oparciu o algorytm MapReduce z wykorzystaniem:
 
@@ -18,7 +18,7 @@ WordCount jest „odpowiednikiem Hello World” w świecie Big Data. Ćwiczenie
 Aby wykonać ćwiczenia, należy skopiować folder _books_ do systemu HDFS:
 ```
 hdfs dfs -mkdir -p tmp
-hdfs dfs -copyFromLocal ~/hadoop_zaliczenie/mr/books tmp/books
+hdfs dfs -copyFromLocal ~/hadoop_sorted/mr/books tmp/books
 ```
 ## 1.WordCount – Hadoop Streaming
 Hadoop streaming umożliwia użytkownikom wykorzystanie mappera i reducera napisanego w dowolnym języku programowania. Jedynym wymaganiem jest obecność interpretera na każdym z węzłów.
@@ -36,7 +36,7 @@ Mapper i reducer napisane w języku Python znajdują się w folderze _~/apache_h
 #### 1.1.2.Uruchomienie algorytmu
 Aplikację można uruchomić poprzez wykonanie komendy:
 ```
-bash ~/hadoop_zaliczenie/mr/python/wordcount.sh
+bash ~/hadoop_sorted/mr/python/wordcount.sh
 ```
 Uruchom aplikację i wyjaśnij co jest wynikiem działania tego algorytmu?
 

mr/python/wordcount.sh

@@ -4,9 +4,9 @@ yarn jar /usr/lib/hadoop/hadoop-streaming.jar \
 		-D mapred.reduce.tasks=2 \
 		-input tmp/books \
 		-output tmp/python/output \
-		-mapper ~/hadoop_zaliczenie/mr/python/mapper.py \
-		-reducer ~/hadoop_zaliczenie/mr/python/reducer.py \
-		-file ~/hadoop_zaliczenie/mr/python/mapper.py \
-		-file ~/hadoop_zaliczenie/mr/python/reducer.py
+		-mapper ~/hadoop_sorted/mr/python/mapper.py \
+		-reducer ~/hadoop_sorted/mr/python/reducer.py \
+		-file ~/hadoop_sorted/mr/python/mapper.py \
+		-file ~/hadoop_sorted/mr/python/reducer.py
 
 hdfs dfs -cat tmp/python/output/part-*