Day 01-手机流量统计

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