1.需求
统计每个手机号上行流量和、下行流量和、总流量和(上
行流量和+下行流量和),并且:将统计结果按照手机号的前缀
进行区分,并输出到不同的输出文件中去。
13* ==> …
15* ==> …
other ==> …
其中,access.log数据文件第二个字段:手机号
倒数第三个字段:上行流量
倒数第二个字段:下行流量
2.思路
根据手机号进行分组,然后把该手机号对应的上下行流量加
起来
Mapper: 把手机号、上行流量、下行流量拆开
把手机号作为key,把Access作为value写出去
Reducer形如:(“手机号”,<Access,Access>)
自定义分区类(需要继承Partitioner抽象类),并覆写
getPartition()方法
3.开发步骤
3.1 自定义Access类
包括属性:手机号、上行流量、下行流量、总流量
3.2 自定义Map任务类(Map Task)
对每一行日志内容进行拆分,Map输出数据为:
phone==>Access(手机号,该行手机号的上行流量,该行手机号的
下行流量)
3.3编写Reduce任务类(Reduce Task)
对每个手机号的流量进行汇总,Map输出数据为:
phone==>Access(手机号,上行流量和,下行流量和)
也可以优化为:
phone==>Access(NullWritable对象,上行流量和,下行流量和)
3.4编写分区处理类
继承org.apache.hadoop.mapreduce.Partitioner类,
"13"开头的手机号交给第一个ReduceTask任务处理,最终
输出到0号分区,
"15"开头的手机号交给第二个ReduceTask任
务处理,最终输出到1号分区,其余手机号交给第三个
ReduceTask任务处理,最终输出到2号分区。