第一个项目——Day1 手机流量统计项目
手机流量统计项目可以帮助用户跟踪和管理其手机的数据使用情况。下面是一个简单的手机流量统计项目的示例:
1.项目概述
Hadoop是一个开源的分布式计算框架,主要用于处理大规模数据集。在Hadoop中进行手机流量日志分析项目,主要是为了收集、处理和分析移动设备产生的海量网络流量数据。
2.项目需求
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
日志内容access如下图所示:
在这里插入图片描述
3. 项目思路
1.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
2.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
3.Reducer形如:(“手机号”,<Access,Access>)
4.自定义分区类(需要继承Partitioner抽象类),并覆写
getPartition()方法
4. 开发步骤
(1)自定义Access类
包括属性:手机号、上行流量、下行流量、总流量
(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)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)
(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