mapreduce对日志数据上下行流量汇总

原创 2017年07月17日 18:39:45

Mapreduce中的排序初步
4.1.1 需求
对日志数据中的上下行流量信息汇总,并输出按照总流量倒序排序的结果
数据如下:
1363157985066 13726230503 00-FD-07-A4-72-B8:CMCC 120.196.100.82 24 27 2481 24681 200
1363157995052 13826544101 5C-0E-8B-C7-F1-E0:CMCC 120.197.40.4 4 0 264 0 200
1363157991076 13926435656 20-10-7A-28-CC-0A:CMCC 120.196.100.99 2 4 132 1512 200
1363154400022 13926251106 5C-0E-8B-8B-B1-50:CMCC 120.197.40.4 4 0 240 0 200

4.1.2 分析
基本思路: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

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
所以,我们如果要实现自己需要的排序规则,则可以考虑将排序因素放到key中,让key实现接口:WritableComparable然后重写key的compareTo方法

4.1.3 实现
1、 自定义的bean
public class FlowBean implements WritableComparable{

long upflow;
long downflow;
long sumflow;

//如果空参构造函数被覆盖,一定要显示定义一下,否则在反序列时会抛异常
public FlowBean(){}

public FlowBean(long upflow, long downflow) {
    super();
    this.upflow = upflow;
    this.downflow = downflow;
    this.sumflow = upflow + downflow;
}

public long getSumflow() {
    return sumflow;
}

public void setSumflow(long sumflow) {
    this.sumflow = sumflow;
}

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;
}

//序列化,将对象的字段信息写入输出流
@Override
public void write(DataOutput out) throws IOException {

    out.writeLong(upflow);
    out.writeLong(downflow);
    out.writeLong(sumflow);

}

//反序列化,从输入流中读取各个字段信息
@Override
public void readFields(DataInput in) throws IOException {
    upflow = in.readLong();
    downflow = in.readLong();
    sumflow = in.readLong();

}


@Override
public String toString() {
    return upflow + "\t" + downflow + "\t" + sumflow;
}
@Override
public int compareTo(FlowBean o) {
    //自定义倒序比较规则
    return sumflow > o.getSumflow() ? -1:1;
}

}

2、 mapper 和 reducer
public class FlowCount {

static class FlowCountMapper extends Mapper<LongWritable, Text, FlowBean,Text > {

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

        String line = value.toString();
        String[] fields = line.split("\t");
        try {
            String phonenbr = fields[0];

            long upflow = Long.parseLong(fields[1]);
            long dflow = Long.parseLong(fields[2]);

            FlowBean flowBean = new FlowBean(upflow, dflow);

            context.write(flowBean,new Text(phonenbr));
        } catch (Exception e) {

            e.printStackTrace();
        }

    }

}

static class FlowCountReducer extends Reducer<FlowBean,Text,Text, FlowBean> {

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

        Text phoneNbr = phonenbr.iterator().next();

        context.write(phoneNbr, bean);

    }

}

public static void main(String[] args) throws Exception {

    Configuration conf = new Configuration();

    Job job = Job.getInstance(conf);

    job.setJarByClass(FlowCount.class);

    job.setMapperClass(FlowCountMapper.class);
    job.setReducerClass(FlowCountReducer.class);

     job.setMapOutputKeyClass(FlowBean.class);
     job.setMapOutputValueClass(Text.class);

    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(FlowBean.class);

    // job.setInputFormatClass(TextInputFormat.class);

    FileInputFormat.setInputPaths(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));

    job.waitForCompletion(true);

}

}

日志数据中的上下行流量信息汇总-----总流量倒序排序

对日志数据中的上下行流量信息汇总,并输出按照总流量倒序排序的结果 数据如下: 13480253104 180 180 0 13502468823 110349 7335 0 13560...

Android Wi-Fi StatusBar(状态栏)流量上下行图标显示流程

一、背景介绍 打开wifi连接上ap在状态栏里面期望图标显示如下: 以下图片所在的目录为:LINUX/android/base/packages/SystemUI/res/draw...

取上下行数据分析函数lag()和lead()

【语法】 lag(EXPR,,) LEAD(EXPR,,) 【功能】表示根据COL1分组,在分组内部根据 COL2排序,而这个值就表示每组内部排序后的顺序编号(组内连续的唯一的) lead ...
  • vic868
  • vic868
  • 2015年03月30日 10:05
  • 232

Oracle-分析函数之取上下行数据lag()和lead()

概述ORACLE函数系列:Oracle常见函数大全Oracle-分析函数之连续求和sum(…) over(…)Oracle-分析函数之排序值rank()和dense_rank()Oracle-分析函数...

取上下行数据分析函数。lag()和lead() ——分析函数4

1、测试表 create table LEAD_TABLE( CASEID VARCHAR2(10), STEPID VARCHAR2(10), ACTIONDATE DATE ); 2...

使用MapReduce计算框架统计CDN日志IP数、流量等数据

写在前面前面两篇文章中,我们使用Spark RDD及Spark Streaming 从CDN日志中计算出了独立IP数、每个视频独立IP数、每时CDN流量,这里我们将使用MapReduce计算框架,从同...

Linux上下行网速测试工具_speedtest-cli

speedtest-cli是Linux下的一个上下行网速测试工具,是一个用python写的命令行脚本。需要python2.4-3.3的支持。项目地址:https://github.com/sivel/...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:mapreduce对日志数据上下行流量汇总
举报原因:
原因补充:

(最多只允许输入30个字)