×

Hadoop

大数据Hadoop(二十四):MapReduce高阶训练

Lanson Lanson 发表于2022-02-23 22:04:43 浏览331 评论0

抢沙发发表评论

MapReduce高阶训练



一、上网流量统计

数据格式如下:


二、需求:统计求和

统计每个手机号的上行数据包数总和,下行数据包数总和,上行总流量之和,下行总流量之和

分析:以手机号码作为key值,上行数据包,下行数据包,上行总流量,下行总流量四个字段作为value值,然后以这个key和value作为map阶段的输出,reduce阶段的输入。


1、思路分析



2、代码实现

第一步:自定义map的输出value对象FlowBean

import org.apache.hadoop.io.Writable;import org.apache.hadoop.io.WritableComparable;import java.io.DataInput;import java.io.DataOutput;import java.io.IOException;//如果MR中的JavaBean不是作为K2,则只需要实现Writable接口即可public class FlowBean implements Writable{

    private Integer upFlow;    //上行包数    private Integer  downFlow; //下行包数    private Integer upCountFlow; //上行流量和    private Integer downCountFlow; //下行流量和    public FlowBean() {

    }



    public FlowBean(Integer upFlow, Integer downFlow, Integer upCountFlow, Integer downCountFlow) {

        this.upFlow = upFlow;

        this.downFlow = downFlow;

        this.upCountFlow = upCountFlow;

        this.downCountFlow = downCountFlow;

    }



    public Integer getUpFlow() {

        return upFlow;

    }



    @Override    public String toString() {

        return upFlow +

                "\t" + downFlow +

                "\t" + upCountFlow +

                "\t" + downCountFlow;

    }



    public void setUpFlow(Integer upFlow) {

        this.upFlow = upFlow;

    }



    public Integer getDownFlow() {

        return downFlow;

    }



    public void setDownFlow(Integer downFlow) {

        this.downFlow = downFlow;

    }



    public Integer getUpCountFlow() {

        return upCountFlow;

    }



    public void setUpCountFlow(Integer upCountFlow) {

        this.upCountFlow = upCountFlow;

    }



    public Integer getDownCountFlow() {

        return downCountFlow;

    }



    public void setDownCountFlow(Integer downCountFlow) {

        this.downCountFlow = downCountFlow;

    }



    //序列化    @Override    public void write(DataOutput out) throws IOException {

        out.writeInt(upFlow);

        out.writeInt(downFlow);

        out.writeInt(upCountFlow);

        out.writeInt(downCountFlow);

    }

    //反序列化    @Override    public void readFields(DataInput in) throws IOException {

        this.upFlow = in.readInt();

        this.downFlow = in.readInt();

        this.upCountFlow = in.readInt();

        this.downCountFlow = in.readInt();

    }

}


第二步:定义FlowMapper类

import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;public class FlowCountMapper extends Mapper<LongWritable, Text,Text,FlowBean> {

    @Override    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        //1:拆分行文本数据(拆分v1)        String[] split = value.toString().split("\t");



        //2:从拆分数组中得到手机号,得到K2        String phoneNum = split[1];

        //3:从拆分数组中得到4个流量字段,并封装到FlowBean,得到V2        FlowBean flowBean = new FlowBean();

        flowBean.setUpFlow(Integer.parseInt(split[6]));

        flowBean.setDownFlow(Integer.parseInt(split[7]));

        flowBean.setUpCountFlow(Integer.parseInt(split[8]));

        flowBean.setDownCountFlow(Integer.parseInt(split[9]));



        //4:将K2和V2写入上下文中        context.write(new Text(phoneNum), flowBean);



    }

}


第三步:定义FlowCountReducer类

import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;public class FlowCountReducer extends Reducer<Text,FlowBean,Text,FlowBean> {

    @Override    protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {

        //1:定义四个变量,分别来存储上行包数,下行包数,上行流量总和,下行流量总和        int upFlow = 0;

        int downFlow = 0;

        int upCountFlow = 0;

        int downCountFlow = 0;



        //2:遍历集合,将集合中每一个FlowBean的四个流量字段相加        for (FlowBean flowBean : values) {

            upFlow += flowBean.getUpFlow();

            downFlow += flowBean.getDownFlow();

            upCountFlow += flowBean.getUpCountFlow();

            downCountFlow += flowBean.getDownCountFlow();

        }

        //3:K3就是原来的K2,V3就是新的FlowBean        FlowBean flowBean = new FlowBean(upFlow, downFlow, upCountFlow, downCountFlow);



        //4:将K3和V3写入上下文中        context.write(key, flowBean);



    }

}


第四步:程序main函数入口FlowCountRunner

import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;import java.io.IOException;public class FlowCountRunner {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {

        //1、创建建一个job任务对象        Configuration configuration = new Configuration();





        Job job = Job.getInstance(configuration, "flowcount_demo");



        //2、指定job所在的jar包        job.setJarByClass(FlowCountRunner.class);



        //3、指定源文件的读取方式类和源文件的读取路径        job.setInputFormatClass(TextInputFormat.class); //按照行读取        //TextInputFormat.addInputPath(job, new Path("hdfs://node1:8020/input/wordcount")); //只需要指定源文件所在的目录即可        TextInputFormat.addInputPath(job, new Path("file:///E:\\input\\flowcount")); //只需要指定源文件所在的目录即可        //4、指定自定义的Mapper类和K2、V2类型        job.setMapperClass(FlowCountMapper.class); //指定Mapper类        job.setMapOutputKeyClass(Text.class); //K2类型        job.setMapOutputValueClass(FlowBean.class);//V2类型        //5、指定自定义分区类(如果有的话)        //6、指定自定义分组类(如果有的话)        //7、指定自定义Combiner类(如果有的话)        //设置ReduceTask个数        //8、指定自定义的Reducer类和K3、V3的数据类型        job.setReducerClass(FlowCountReducer.class); //指定Reducer类        job.setOutputKeyClass(Text.class); //K3类型        job.setOutputValueClass(FlowBean.class);  //V3类型        //9、指定输出方式类和结果输出路径        job.setOutputFormatClass(TextOutputFormat.class);

        //TextOutputFormat.setOutputPath(job, new  Path("hdfs://node1:8020/output/wordcount")); //目标目录不能存在,否则报错        TextOutputFormat.setOutputPath(job, new  Path("file:///E:\\output\\flowcount")); //目标目录不能存在,否则报错        //10、将job提交到yarn集群        boolean bl = job.waitForCompletion(true); //true表示可以看到任务的执行进度        //11.退出执行进程        System.exit(bl?0:1);

    }

}

  • 📢博客主页:https://lansonli.blog.csdn.net

  • 📢欢迎点赞 👍 收藏 ⭐留言 📝 如有错误敬请指正!

  • 📢本文由 Lansonli 原创,首发于 CSDN博客🙉

  • 📢大数据系列文章会每天更新,停下休息的时候不要忘了别人还在奔跑,希望大家抓紧时间学习,全力奔赴更美好的生活✨


欢迎留言

访客