Hadoop 电话通信清单

最新推荐文章于 2024-10-31 16:17:19 发布

|旧市拾荒|

最新推荐文章于 2024-10-31 16:17:19 发布

阅读量471

点赞数

分类专栏：【1】Hadoop 文章标签： hadoop 大数据 mapreduce

本文链接：https://blog.csdn.net/FaithWh/article/details/130069276

版权

【1】Hadoop 专栏收录该内容

11 篇文章 1 订阅

订阅专栏

该文章介绍了一个使用HadoopMapReduce框架解决电话通信记录统计问题的例子。程序通过Mapper将原始数据拆分，以被叫号码为key，主叫号码为value，然后Reducer将相同的被叫号码的主叫号码进行聚合，以|分隔并输出到HDFS。

摘要由CSDN通过智能技术生成

一、实例要求

　　现有一批电话通信清单，记录了用户A拨打某些特殊号码（如120，10086，13800138000等）的记录。需要做一个统计结果，记录拨打给用户B的所有用户A。

二、测试样例

　　样例输入：

　　file.txt：

　　13599999999 10086
　　13899999999 120
　　13944444444 1380013800
　　13722222222 1380013800
　　18800000000 120
　　13722222222 10086
　　18944444444 10086

　　样例输出：

三、算法思路

　　源文件——》Mapper(分隔原始数据，以被叫作为key，以主叫作为value)——》Reducer(把拥有相同被叫的主叫号码用|分隔汇总)——》输出到HDFS

四、程序代码

　　程序代码如下：

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;




public class Tel {
    
    public static class Map extends Mapper<LongWritable, Text, Text, Text>{
        @Override
        protected void map(LongWritable key, Text value,Mapper<LongWritable, Text, Text, Text>.Context context)
                throws IOException, InterruptedException {
            //  super.map(key, value, context);
            String line = value.toString();
            Text word = new Text();
            String [] lineSplite = line.split(" ");
            String anum = lineSplite[0];
            String bnum = lineSplite[1];
            context.write(new Text(bnum), new Text(anum));
        }
    }
    
    public static class Reduce extends Reducer<Text, Text, Text, Text>{
        @Override
        protected void reduce(Text key, Iterable<Text> values,Reducer<Text, Text, Text, Text>.Context context)
                throws IOException, InterruptedException {
            //  super.reduce(arg0, arg1, arg2);
            String valueString;
            String out ="";
            for(Text value: values){
                valueString=value.toString();
                out += valueString+"|";
            }
            context.write(key, new Text(out));
        }
    }
    
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        Configuration conf = new Configuration();
        String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
        if(otherArgs.length!=2){
            System.out.println("Usage:wordcount <in> <out>");
            System.exit(2);
        }
        Job job = new Job(conf,"Tel");
        job.setJarByClass(Tel.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.setMapperClass(Map.class);
        job.setReducerClass(Reduce.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        job.waitForCompletion(true);
    }

}