去除文件中重复的行
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
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;
/**
*
* @author lyd
*去重:
*
*多个文件:
*1.file
*2017-04-13 北京-重庆 15:30
*2017-04-13 北京-上海 17:30
*2017-04-13 北京-重庆 16:30
*2017-04-13 北京-广东 11:36
*2017-04-13 北京-海南 12:59
*2017-04-13 北京-拉萨 09:32
*
*2.file
*2017-04-13 北京-重庆 15:30
*2017-04-13 北京-上海 10:30
*2017-04-13 北京-重庆 16:30
*2017-04-13 广州-北京 11:36
*2017-04-13 海南-北京 12:59
*2017-04-13 北京-成都 09:32
*
*输出:
* 2017-04-13 北京-重庆 15:30
* 2017-04-13 北京-上海 17:30
* 2017-04-13 北京-重庆 16:30
* 2017-04-13 北京-广东 11:36
* 2017-04-13 北京-海南 12:59
* 2017-04-13 北京-拉萨 09:32
* 2017-04-13 北京-上海 10:30
* 2017-04-13 广州-北京 11:36
* 2017-04-13 海南-北京 12:59
* 2017-04-13 北京-成都 09:32
*
*
* 任务:
* 统计日登陆次数??统计日二次以上登陆次数??统计日三次以上登陆次数??
* user/login?uid=7595&pw=fjsj09eu5jituteoowu0
* user/login?uid=230&pw=fjsj09eu5jitiyt674
* user/login?uid=7595&pw=fjsj09eu5jiiui654
* user/login?uid=3323&pw=fjsj09eu5765764567
* user/login?uid=234&pw=fjsj09eu5jituteoowu0
* user/login?uid=7595&pw=fjsj09eu5jituteoowu0
* user/login?uid=6854&pw=fjsj09eu5jituteoowu0
* user/login?uid=230&pw=fjsj09eu5jituteoowu0
* user/login?uid=7595&pw=fjsj09eu5jituteoowu0
* user/login?uid=321&pw=fjsj09eu5jituteoowu0
*
*/
public class DistinctDemo {
//自定义myMapper
public static class MyMapper extends Mapper<LongWritable, Text, Text, Text>{
//只在map方法运行之前执行一次。(仅执行一次)
@Override
protected void setup(Context context)
throws IOException, InterruptedException {
}
@Override
protected void map(LongWritable key, Text value,Context context)
throws IOException, InterruptedException {
context.write(value, new Text(""));
}
//map方法运行完后执行一次(仅执行一次)
@Override
protected void cleanup(Context context)
throws IOException, InterruptedException {
}
}
//自定义myReducer
public static class MyReducer extends Reducer<Text, Text, Text, Text>{
//在reduce方法执行之前执行一次。(仅一次)
@Override
protected void setup(Context context)
throws IOException, InterruptedException {
}
@Override
protected void reduce(Text key, Iterable<Text> value,Context context)
throws IOException, InterruptedException {
context.write(key, new Text(""));
}
//在reduce方法执行之后执行一次。(仅一次)
@Override
protected void cleanup(Context context)
throws IOException, InterruptedException {
}
}
/**
* job的驱动方法
* @param args
*/
public static void main(String[] args) {
try {
//1、获取Conf
Configuration conf = new Configuration();
conf.set("fs.defaultFS", "hdfs://hadoop01:9000");
//2、创建job
Job job = Job.getInstance(conf, "model01");
//3、设置运行job的class
job.setJarByClass(DistinctDemo.class);
//4、设置map相关属性
job.setMapperClass(MyMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(Text.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
//5、设置reduce相关属性
job.setReducerClass(MyReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
//判断输出目录是否存在,若存在则删除
FileSystem fs = FileSystem.get(conf);
if(fs.exists(new Path(args[1]))){
fs.delete(new Path(args[1]), true);
}
FileOutputFormat.setOutputPath(job, new Path(args[1]));
//6、提交运行job
int isok = job.waitForCompletion(true) ? 0 : 1;
//退出
System.exit(isok);
} catch (IOException | ClassNotFoundException | InterruptedException e) {
e.printStackTrace();
}
}
}