文章目录
问题背景
1.做毕设,需要对表中的不合法数据进行过滤、清洗。因为后期要用sqrksql知识完成毕设,所以在scala工程下创建项目,完成代码编程。第一次在scala工程下运行MR项目,生成的结果文件,很顺利,将需要的数据结果都保存到了文件里。但日后需要在原来的MR程序上对数据进行进一步完善时,发现生成的文件打开,内容为空。
2.运行代码后显示
3.打开文件夹内容显示为空
我的代码
package bike;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import java.io.IOException;
public class CleanUserData {
public static class DealDataMapper extends Mapper<LongWritable, Text, Text, NullWritable> {
Text text = new Text();
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
//1、获取一行数据
String line = value.toString();
//切割数据
String split[] = line.split(",");
//2、清洗数据
/**
* 1)过滤脏数据 小于5列的数据
* 2)去掉类别字段中的空格替换为null,出生年份字段设为的空格替换为平均值
* 3)将清洗的数据按照,分割保存
*/
//1)过滤脏数据 为空,长度不为5的数据过滤掉
for (int i = 0; i < split.length; i++) {
if (split[i].equals(""))
return;
}
//2)将字段中性别字段的Error替换为null,
split[3] = split[3].replaceAll("Error","null");
//3)出生年份字段设为的-1替换为0001
split[split.length-1] = split[split.length-1].replaceAll("-1","0001");
StringBuffer sb = new StringBuffer();
for(int i = 0; i < split.length; i++) {
//4)将清洗的数据按照,分割保存
if (i < 5) {
if (i == split.length - 1) {
sb.append(split[i]);
} else {
sb.append(split[i]+ ",");
}
}
}
text.set(sb.toString());
//写出数据
context.write(text, NullWritable.get());
}
}
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
//获取job信息
Job job = Job.getInstance();
//关联map
job.setMapperClass(DealDataMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(NullWritable.class);
//设置最终输出类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
//设置输入和输出路径
FileInputFormat.setInputPaths(job, new Path("F:\\user.csv"));
FileOutputFormat.setOutputPath(job, new Path("F:\\design\\userOfResult"));
//提交
job.waitForCompletion(true);
}
}
问题解决过程
1.因为运行代码后不会报错,所以我判断代码没有问题,可能是文件输入、输出路径有问题。
然后改变被清洗表的输入路径,输出路径。这么反复尝试。然而结果如我问题背景所放置的图一样。失败!!!
2.看来不是这个问题,我开始猜测会不会是代码所在的工程出了问题。于是关闭idea。重新运行MR程序。失败!!!
3.接下来我重新创建一个项目,写其他代码运行,查看是否是idea出了故障,其他代码运行结果出来以后,我怀着疑虑的心态,将MR程序复制到这个项目里运行。失败!!!
4.然后将MR程序,换到之前创建的hadoop工程下运行,提示代码中下标越界,虽然运行过程错了,但给了我希望,我认为只要我把代码错误解决就可以得到自己想要的文件结果。失败!!!
5.代码解决问题后,生成了自己的想要结果。但没有彻底找到这个问题原因所在。失败!!!
6.第二天打开电脑,想要从根本上解决问题。想到了之前运行代码时提示的依赖更新。于是将hadoop工程的部分依赖加到scala工程里的pom.xml文件里。之后再次运行MR程序解决了文件为空的问题。
如图
提取码为uv8p scala的配置文件pom.xml
需要添加的依赖为(这里还包括hive和hbase依赖,因为依赖多了不会有负面影响,日后方便进行其他操作,免去配依赖步骤)
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>2.6.1</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-hdfs</artifactId>
<version>2.6.1</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.6.1</version>
</dependency>
<dependency>
<groupId>org.apache.hive</groupId>
<artifactId>hive-exec</artifactId>
<version>2.1.0</version>
</dependency>
<dependency>
<groupId>junit</groupId>
<artifactId>junit</artifactId>
<version>4.12</version>
<scope>test</scope>
</dependency>
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-client</artifactId>
<version>1.2.5</version>
</dependency>
<dependency>
<groupId>org.apache.hbase</groupId>
<artifactId>hbase-server</artifactId>
<version>1.2.5</version>
</dependency>
正确的运行结果、及文件打开显示
1.运行结果日志
D:\Java\jdk1.8