Day1 学习笔记及成果—MapReduce实现手机流量统计分析
题目
统计每个手机号上行流量和、下行流量和、总流量和（上行流量和+下行流量和）,并且：将统计结果按照手机号的前缀进行区分，并输出到不同的输出文件中去。
13* ==> …
15* ==> …
other ==> …
其中，access.log数据文件部分数据如图：
其中：
第二个字段：手机号
倒数第三个字段：上行流量
倒数第二个字段：下行流量
1.需求及思路描述
思路：
- 根据手机号进行分组，然后把该手机号对应的上下行流量加
起来。 - Mapper: 把手机号、上行流量、下行流量拆开把手机号作为key，把Access作为value写出去。
- Reducer形如：(“手机号”,<Access,Access>)自定义分区类（需要继承Partitioner抽象类），并覆写getPartition()方法。
-
2.实现步骤
2.1 Map阶段：
（1） 读取一行数据，转换为字符串类型
（2） 切分字段
（3） 抽取手机号、上行流量、下行流量
（4）以手机号为key，bean对象（上行流量、下行流量、总流量）为value 进行封装
（5）文件写出，即context.write(手机号,bean)
2.2 Reduce阶段：
（1） 遍历集合上行流量和下行流量总和得到总流量
（2）实现自定义的bean来封装流量信息，并将bean作为map输出的key来传输
（3）MR程序在处理数据的过程中会对数据排序(map输出的kv对传输到reduce之前，会排序)，排序的依据是map输出的key
3.准备
虚拟机中IDEA的下载安装：
- 将下载的安装包解压：
sudo tar -zxvf ideaIC-2021.3.3.tar.gz -C /usr/local/
- 改文件夹名称
sudo mv idea-IC-213.7172.25/ idea/ ##改文件夹名称
- 切换到bin目录下
cd /usr/local/idea/bin/
- 启动IDEA
./idea.sh
- 接下来对maven进行配置成功后可以创建项目了
4.代码实现
将输入文件传到hadoop的hdfs集群中。
#将输入文件传到hadoop的hdfs集群中。
hadoop fs -mkdir -p /flow/input/
hadoop fs -put HTTP_20130313143750.data /flow/input/
3.1编写流量统计对象FlowBean.java
package com.jike.hdfs;
import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
//
/*
* 1.定义实现writable接口
* 2.重写序列化和反序列化方法
* 3.重写空参构造
* 4.tostring方法
* */
public class FlowBean implements Writable{
private long upFlow;
private long downFlow;
private long sumFlow;
//空参构造
public FlowBean() {
}
public long getUpFlow() {
return upFlow;
}
public void setUpFlow(long upFlow) {
this.upFlow = upFlow;
}
public long getDownFlow() {
return downFlow;
}
public void setDownFlow(long downFlow) {
this.downFlow = downFlow;
}
public long getSumFlow() {
return sumFlow;
}
public void setSumFlow() {
this.sumFlow = this.upFlow + this.downFlow;
}
public void write(DataOutput dataOutput) throws IOException {
dataOutput.writeLong(upFlow);
dataOutput.writeLong(downFlow);
dataOutput.writeLong(sumFlow);
}
public void readFields(DataInput dataInput) throws IOException {
this.upFlow = dataInput.readLong();
this.downFlow = dataInput.readLong();
this.sumFlow = dataInput.readLong();
}
@Override
public String toString() {
return upFlow +"\t" + downFlow +"\t" + sumFlow ;
}
}
Mapper：FlowBeanMapper.java
package com.jike.hdfs;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class FlowBeanMapper extends Mapper<LongWritable,Text, Text,FlowBean> {
private Text outK = new Text();
private FlowBean outV = new FlowBean();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//1.获取和一行信息
String line = value.toString();
//2.切割
//时间戳、 电话号码、 基站的物理地址、 访问网址的ip、 网站域名、 数据包、接包数、上行/传流量、下行/载流量、响应码
// 1363157985066 13726230503 00-FD-07-A4-72-B8:CMCC 120.196.100.82 i02.c.aliimg.com 24 27 2481 24681 200
String[] split = line.split("\t");
//3.抓取数据
String phoneno = split[1];
String upflow = split[split.length-3];
String downflow = split[split.length-2];
//4.封装
outK.set(phoneno);
outV.setUpFlow(Long.parseLong(upflow));
outV.setDownFlow(Long.parseLong(downflow));
outV.setSumFlow();
//5.写出
context.write(outK,outV);
}
}
Reduce：FlowBeanReducer.java
package com.jike.hdfs;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class FlowBeanReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
private FlowBean outV = new FlowBean();
@Override
protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
//1.遍历集合累加值
long totalup = 0;
long totaldown = 0;
for (FlowBean value : values) {
totalup += value.getUpFlow();
totaldown += value.getDownFlow();
}
//2.封装
outV.setUpFlow(totalup);
outV.setDownFlow(totaldown);
outV.setSumFlow();
//3.写出
context.write(key,outV);
}
}
Driver：FlowBeanDriver.java
package com.jike.hdfs;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
/*import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;*/ //这个是老的包，废弃了，需要用新的包才可以
import org.apache.hadoop.mapreduce.Job;
import java.io.IOException;
public class FlowBeanDriver {
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//1.获取job
Configuration conf = new Configuration();
Job job = Job.getInstance(conf);
//2.设置jar
job.setJarByClass(FlowBeanDriver.class);
//3.关联mapper Reducer
job.setMapperClass(FlowBeanMapper.class);
job.setReducerClass(FlowBeanReducer.class);
//4.设置 mapper 输出key 和 value 类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FlowBean.class);
//5.设置最终数据输出key 和value 类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FlowBean.class);
//6.设置数据的输入和输出路径
FileInputFormat.setInputPaths(job, new Path("D:\\BigData\\input"));
FileOutputFormat.setOutputPath(job, new Path("D:\\BigData\\output1"));
//7.提交job
boolean result = job.waitForCompletion(true);
System.exit(result ? 0 : 1);
}
}
再次提交jar包到hadoop集群中运行
hadoop jar flow.jar com.tingcream.hadoopStudy.flowSort.FlowSortRunner /flow/output/ /flow/output2/
输出结果命令：
hadoop fs -cat /flow/output2/part-r-00000