一、EMR离线数据分析
E-MapReduce（简称"EMR"）是云原生开源大数据平台，向客户提供简单易集成的Hadoop、Hive、Spark、Flink、Presto、Clickhouse、Delta、Hudi等开源大数据计算和存储引擎。
-- 摘自 体验场景-背景知识 https://developer.aliyun.com/adc/scenario/175735954e19429cbb753cd547c00b5a
产品的简单应用
1.1 登录EMR集群
1.1.1 搜索产品名称
阿里云产品名称：开源大数据平台E-MapReduce
1.1.2 在集群信息中找到集群的公网地址
注意切换云产品资源所在的地域
1.1.3 ssh连接
ssh root@<公网ip>1.2 上传数据到HDFS
1.2.1 创建HDFS目录
hdfs dfs -mkdir -p /data/student1.2.2 上传文件到Hadoop系统
# 创建u.txt文件 vim u.txt # 编辑文件.说明：第一列表示userid，第二列表示movieid，第三列表示rating，第四列表示unixtime 196 242 3 881250949 186 302 3 891717742 22 377 1 878887116 244 51 2 880606923 166 346 1 886397596 298 474 4 884182806 115 265 2 881171488 253 465 5 891628467 305 451 3 886324817 6 86 3 883603013 62 257 2 879372434 286 1014 5 879781125 200 222 5 876042340 210 40 3 891035994 224 29 3 888104457 303 785 3 879485318 122 387 5 879270459 194 274 2 879539794 291 1042 4 874834944 234 1184 2 892079237 119 392 4 886176814 167 486 4 892738452 299 144 4 877881320 291 118 2 874833878 308 1 4 887736532 95 546 2 879196566 38 95 5 892430094 102 768 2 883748450 63 277 4 875747401 160 234 5 876861185 50 246 3 877052329 301 98 4 882075827 225 193 4 879539727 290 88 4 880731963 97 194 3 884238860 157 274 4 886890835 181 1081 1 878962623 278 603 5 891295330 276 796 1 874791932 7 32 4 891350932 10 16 4 877888877 284 304 4 885329322 201 979 2 884114233 276 564 3 874791805 287 327 5 875333916 246 201 5 884921594 242 1137 5 879741196 249 241 5 879641194 99 4 5 886519097 178 332 3 882823437 251 100 4 886271884 81 432 2 876535131 260 322 4 890618898 25 181 5 885853415 59 196 5 888205088 72 679 2 880037164 87 384 4 879877127 290 143 5 880474293 42 423 5 881107687 292 515 4 881103977 115 20 3 881171009 20 288 1 879667584 201 219 4 884112673 13 526 3 882141053 246 919 4 884920949 138 26 5 879024232 167 232 1 892738341 60 427 5 883326620 57 304 5 883698581 223 274 4 891550094 189 512 4 893277702 243 15 3 879987440 92 1049 1 890251826 246 416 3 884923047 194 165 4 879546723 241 690 2 887249482 178 248 4 882823954 254 1444 3 886475558 293 5 3 888906576 127 229 5 884364867 225 237 5 879539643 299 229 3 878192429 225 480 5 879540748 276 54 3 874791025 291 144 5 874835091 222 366 4 878183381 267 518 5 878971773 42 403 3 881108684 11 111 4 891903862 95 625 4 888954412 8 338 4 879361873 162 25 4 877635573 87 1016 4 879876194 279 154 5 875296291 145 275 2 885557505 119 1153 5 874781198 62 498 4 879373848 62 382 3 879375537 28 209 4 881961214 135 23 4 879857765 32 294 3 883709863 90 382 5 891383835 286 208 4 877531942 293 685 3 888905170 216 144 4 880234639 166 328 5 886397722 # 上传文件u.txt到hadoop文件系统 hdfs dfs -put u.txt /data/student
1.2.3 查看文件
hdfs dfs -ls /data/student1.3 使用Hive创建表
1.3.1 登录hive数据库
hive1.3.2 创建user表
CREATE TABLE emrusers ( userid INT, movieid INT, rating INT, unixtime STRING ) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t' ;
1.3.3 从Hadoop文件系统加载数据到Hive数据表
LOAD DATA INPATH '/data/student/u.txt' INTO TABLE emrusers;1.4 对表进行操作
1.4.1 查看5行表数据
select * from emrusers limit 5;1.4.2 查询数据表中有多少数据
select count(*) from emrusers;1.4.3 查询数据表中评级最高的三个电影
select movieid,sum(rating) as rat from emrusers group by movieid order by rat desc limit 3;二、阿里云ElasticSearch快速搭建智能运维系统
体验场景：https://developer.aliyun.com/adc/scenario/18d723b856564fcbafb365d121804588
此场景体验，需要资源比较多，创建场景耗时比较长，慎入！！！
使用过ElasticSearch查询，Kibana查询的应该不会陌生，此场景略过了~~~
三、使用PAI基于协同过滤算法实现商品推荐
体验场景：https://developer.aliyun.com/adc/scenario/de9047c2055643938aea1ff228d6b207
果然，基于大数据的相关操作，都是需要耗费大量的服务器资源的
写在最后：
实话说，到最后这一期有点坚持不下来，就是大概的点了点，体验了一下。关于最后的这篇学习报告，也是想对整个实战营做个完结，坚持着大概的写了写。以凑齐五篇学习报告，对应5期实战营