本报告是一份全面的数据分析文档，通过运用先进的大数据技术，对海量数据进行深度挖掘与分析，旨在揭示隐藏于数据背后的模式、趋势及关联。该研究结果为决策者提供了有力的依据和洞察。
大数据实验报告全文共6页，当前为第1页。
**实验报告**
2019 - 2020 学年第一学期
开课单位：
年级专业：
课程名称：云计算与大数据实验
主讲教师：
课程序号：
课程代码：
学 号：
姓 名：
---
### 实验目的
《云计算与大数据》是一门实践性很强的课程，为了更好地掌握这门课程的内容，在学习理论知识的同时需要加强上机操作。本实验的主要目的在于：
1. 进一步巩固和理解该课程所讲解的核心内容。
2. 掌握Hadoop平台搭建及HDFS的基本操作。
3. 学习如何使用MapReduce解决实际问题的编程设计。
4. 综合应用已学知识，拓展练习以提高技能水平。
5. 理解并掌握MapReduce编程模型。
### 开发工具
1. JDK
2. Hadoop
3. Eclipse
---
## 社交好友推荐项目
在社交网络中，如果A和B是朋友关系而B又是C的朋友但A与C却不是，则称A与C为“二度朋友”。这种关系广泛应用于主流的社交媒体平台中的用户推荐功能。本实验旨在通过MapReduce模型实现该算法。
### 实验内容与方法
在海量数据中利用传统的关系型数据库难以高效地完成此类好友推荐任务，因此采用并行化的解决方案——即使用Hadoop MapReduce编程模型来处理这类问题显得尤为重要。具体步骤包括：
1. **搭建项目环境**
2. **Map阶段实现**：输出格式为xx【0】和xx【1】（其中“xx”代表用户ID，“+”或“-”用于标记）。
3. **Reduce阶段实现**：通过合并mapper的输出，以中间人作为键值对来收集朋友数据，并将有不同标志的朋友分别存储在不同的列表中。
4. **运行主类**
### 实验结果
输入的数据：
输出的数据：
实验验证了上述方法的有效性。
---
## 实验总结
本次实验让我深入了解了MapReduce的工作流程及其“分而治之”的思想。通过完成二次好友推荐项目，我不仅掌握了其核心概念和实现思路，还尝试了一种标记友人并寻找二度朋友的方法，并考虑到了可能的改进之处以提高效率。
---
**参考材料**
百度百科 云计算与大数据实验
5星
