求平均数以及数据清洗

求平均数以及数据清洗

package hadoop;
//每个人平均花多少钱
//并且对数据进行清洗
/**

• 数据样式：姓名，日期，金额，三个字段
• 数据：
• 张三，20198-1，30
• 张三，20198-2，30
• 李四，20198-1，30
• 李四，20198-2， —日期位置是空格 --在空格位置填0，不会影响数据
• 李四，20198-3，， —日期位置是逗号
• 李四，20198-4， ， —日期位置是空格
• 王五，20198-1
• 王五，20198-1，30
  */

package hadoop;
//每个人平均花多少钱
//并且对数据进行清洗
/**

• 数据样式：姓名，日期，金额，三个字段
• 数据：
• 张三，20198-1，30
• 张三，20198-2，30
• 李四，20198-1，30
• 李四，20198-2， —日期位置是空格 --在空格位置填0，不会影响数据
• 李四，20198-3，， —日期位置是逗号
• 李四，20198-4， ， —日期位置是空格
• 王五，20198-1
• 王五，20198-1，30
  */
  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;

public class MapReduce_avgClean {

public static class MyMapper extends Mapper<LongWritable, Text, Text, LongWritable>{
	
	protected void map(LongWritable key, Text value, org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, Text, LongWritable>.Context context) throws java.io.IOException ,InterruptedException 
	{
		//数据样式：姓名，日期，金额，三个字段
		String line = value.toString();
		String[] split = line.split(",");
		//对数据进行过滤，将数组长度不为3的过滤出去
		//首先将字段不满足数量的过滤掉
		if(split.length == 3) {
			//将关键字段不满足需求的进行清洗，回填
			if(split[2].equals(null) || split[2].equals("") || split[2].equals(" ")) {
				split[2] = "0";
			}
			
			String name = split[0];
			Long money = Long.parseLong(split[2]);
			context.write(new Text(name), new LongWritable(money));
			
		}

	};	
}

public static class MyReduce extends Reducer<Text, LongWritable, Text, LongWritable>{
	
	@Override
	protected void reduce(Text k2, Iterable<LongWritable> v2s,
			Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws IOException, InterruptedException {
		//在reduce算出消费总和，以及消费次数，因为在同一个reduce中是同一个人消费
		//所以直接算出reduce的数据条数
		long sum = 0l;
		//定义次数
		long count = 0l;
		for (LongWritable value : v2s) {
			count++;
			sum += value.get();
		}
		context.write(k2, new LongWritable(sum/count));		
	}
}


public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
	Configuration conf = new Configuration();
	Job job = Job.getInstance(conf, MapReduce_sumClean.class.getSimpleName());
	job.setJarByClass(MapReduce_avgClean.class);	
	FileInputFormat.addInputPath(job, new Path(args[0]));	
	job.setMapperClass(MyMapper.class);	
	job.setMapOutputKeyClass(Text.class);
	job.setMapOutputValueClass(LongWritable.class);
	job.setReducerClass(MyReduce.class);
	job.setOutputKeyClass(Text.class);
	job.setOutputValueClass(LongWritable.class);	
	FileOutputFormat.setOutputPath(job, new Path(args[1]));	
	job.waitForCompletion(true);	
}

}