电商日志文件分析需求二

项目要求

根据电商日志文件,分析:

  1. 统计页面浏览量(每行记录就是一次浏览)

  2. 统计各个省份的浏览量 (需要解析IP)

  3. 日志的ETL操作(ETL:数据从来源端经过抽取(Extract)、转换(Transform)、加载(Load)至目的端的过程)

    为什么要ETL:没有必要解析出所有数据,只需要解析出有价值的字段即可。本项目中需要解析出:ip、url、pageId(topicId对应的页面Id)、country、province、city
    需求二
    统计各个省份的浏览量 (需要解析IP)
    基于需求一构建以下几个类
    ProvinceMapper类

   import org.apache.commons.lang3.StringUtils;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import utils.IPParser;
import utils.LogParser;

import java.io.IOException;
import java.util.Map;

public class ProvinceMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        String log = value.toString();
        LogParser parser = new LogParser();

        Map<String, String> logInfo = parser.parse(log);

        if (StringUtils.isNotBlank(logInfo.get("ip"))) {
            IPParser.RegionInfo regionInfo = IPParser.getInstance().analyseIp(logInfo.get("ip"));
            String province = regionInfo.getProvince();
            if (StringUtils.isNotBlank(province)) {
                context.write(new Text(province), new IntWritable(1));
            } else {
                context.write(new Text("-"), new IntWritable(1));
            }
        } else {
            context.write(new Text("-"), new IntWritable(1));
        }
    }

}

ProvinceReducer类

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

public class ProvinceReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        long sum = 0;
        for(IntWritable value : values){
            sum += value.get();
        }
        context.write(key,new IntWritable((int) sum));
    }
}

ProvinceDriver类

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class ProvinceDriver {
    public static void main(String[] args) throws Exception {

        //1.获取配置信息
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //2.获取jar包信息
        job.setJarByClass( ProvinceDriver.class);

        //3.配置mapper、reducer类
        job.setMapperClass( ProvinceMapper.class);
        job.setReducerClass( ProvinceReducer.class);

        //4.配置mapper输出key、value值
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);

        //5.配置输出key、value值
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);

        //设置分区
        //job.setPartitionerClass(.class);

        //设置Reducenum,依据是看flowpartitioner里分了几个区
        //job.setNumReduceTasks();

        //6.配置输入路径和输出路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        //7.提交
        boolean result = job.waitForCompletion(true);
        System.exit(result?0:1);
    }
}

打包方式和项目一一样
使用Hadoop命令提交

hadoop jar province.jar /dianshang/trackinfo_20130721.txt /dianshang/out3

在这里插入图片描述
在这里插入图片描述
也可在终端上查看结果

hdfs dfs -cat /dainshang/out3/part-r-00000

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值