MapReduce实践—流量统计(大数据学习12)

FlowCount示例编写

需求:在一堆给定的文本文件中统计出每个用户的上行流量和下行流量

使用IDEA编写代码:定义三个类 分别为:FlowCount,FlowCountMapper,FlowCountReducer

 

package com.lyz.bigdata.mr.flowsun;


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;

import java.io.IOException;

/**
 *@Author:759057893@qq.com Lyz
 *@Date: 2019/2/28 21:28
 *@Description:
 **/
public class FlowCount {

    static class FlowCountMapper extends Mapper<LongWritable, Text, Text, FlowBean> {

        @Override
        protected  void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException{
            //将一行内容转成string
            String line =value.toString();
            //切分字段
            String[] fields =line.split("\t");
            //取出手机号
            String phone =fields[1];
            //取出上行流量下行流量
            long upFlow = Long.parseLong(fields[fields.length-3]);
            long dFlow = Long.parseLong(fields[fields.length-2]);

            context.write(new Text(phone),new FlowBean(upFlow,dFlow));
        }

    }


    static class FlowCountReducer extends Reducer<Text, FlowBean, Text, FlowBean>{

        @Override
        protected  void reduce(Text key,Iterable<FlowBean> values,Context context) throws IOException, InterruptedException{

            long sum_upFlow = 0;
            long sum_dFlow = 0;

            //遍历所有bean,将其中的上行流量,下行流量分别累加
            for(FlowBean  bean :values){
                sum_upFlow +=  bean.getUpFlow();
                sum_dFlow  += bean.getdFlow();
            }

             FlowBean resultBean    =   new FlowBean(sum_upFlow,sum_dFlow);
            context.write(key,resultBean);


        }

    }

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

        // 1 获取job信息
        Configuration configuration = new Configuration();

        Job job = Job.getInstance(configuration);

        // 2 获取jar包位置
        job.setJarByClass(FlowCount.class);

        // 3 关联自定义的mappper和reducer
        job.setMapperClass(FlowCountMapper.class);
        job.setReducerClass(FlowCountReducer.class);

        // 4 设置map输出数据类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(FlowBean.class);

        // 5 设置最终输出数据类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(FlowBean.class);


        // 6 设置数据输入和输出文件路径
        FileInputFormat.setInputPaths(job,  new Path(args[0]));
        FileOutputFormat.setOutputPath(job,  new Path(args[1]));

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

}

定义一个对象,将上行流量和下行流量封装到对象中

package com.lyz.bigdata.mr.flowsun;/**
 * @Author:759057893@qq.com Lyz
 * @Date: ${Date} 21:31
 * @Description:
 **/

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 *@Author:759057893@qq.com Lyz
 *@Date: 2019/2/28 21:31
 *@Description:
 **/
public class FlowBean implements Writable {

    private long upFlow;
    private long dFlow;
    private long sumFlow;

    public FlowBean() { }

    public long getUpFlow() {
        return upFlow;
    }

    public void setUpFlow(long upFlow) {
        this.upFlow = upFlow;
    }

    public long getdFlow() {
        return dFlow;
    }

    public void setdFlow(long dFlow) {
        this.dFlow = dFlow;
    }

    public long getSumFlow() {
        return sumFlow;
    }

    public void setSumFlow(long sumFlow) {
        this.sumFlow = sumFlow;
    }

    public FlowBean(long upFlow, long dFlow) {
        this.upFlow = upFlow;
        this.dFlow = dFlow;
        this.sumFlow = dFlow+upFlow;
    }

    @Override
    public String toString() {

        return  upFlow + "\t" + dFlow + "\t" + sumFlow;
    }

    /**
     * 序列化方法
     */
    @Override
    public void write(DataOutput out) throws IOException {
        out.writeLong(upFlow);
        out.writeLong(dFlow);
        out.writeLong(sumFlow);

    }

    /**
     * 反序列化方法
     * 注意:反序列化的顺序跟序列化的顺序完全一致
     */
    @Override
    public void readFields(DataInput in) throws IOException {
        upFlow = in.readLong();
        dFlow = in.readLong();

    }


}

然后用IDEA进行打包 打包方式请看博主写的https://blog.csdn.net/weixin_38201936/article/details/88018493 文章

打包成功后 首先在hdfs 中创建文件

 hadoop fs -mkdir -p  /flowsum/input 

创建成功后在网页上查看是否创建成功

      然后创建一个文件,将需要统计的数据集粘贴进去

       vi  flow.data  数据集如下

1363157985066 	13726230503	00-FD-07-A4-72-B8:CMCC	120.196.100.82	i02.c.aliimg.com		24	27	2481	24681	200
1363157995052 	13826544101	5C-0E-8B-C7-F1-E0:CMCC	120.197.40.4			4	0	264	0	200
1363157991076 	13926435656	20-10-7A-28-CC-0A:CMCC	120.196.100.99			2	4	132	1512	200
1363154400022 	13926251106	5C-0E-8B-8B-B1-50:CMCC	120.197.40.4			4	0	240	0	200
1363157993044 	18211575961	94-71-AC-CD-E6-18:CMCC-EASY	120.196.100.99	iface.qiyi.com	视频网站	15	12	1527	2106	200
1363157995074 	84138413	5C-0E-8B-8C-E8-20:7DaysInn	120.197.40.4	122.72.52.12		20	16	4116	1432	200
1363157993055 	13560439658	C4-17-FE-BA-DE-D9:CMCC	120.196.100.99			18	15	1116	954	200
1363157995033 	15920133257	5C-0E-8B-C7-BA-20:CMCC	120.197.40.4	sug.so.360.cn	信息安全	20	20	3156	2936	200
1363157983019 	13719199419	68-A1-B7-03-07-B1:CMCC-EASY	120.196.100.82			4	0	240	0	200
1363157984041 	13660577991	5C-0E-8B-92-5C-20:CMCC-EASY	120.197.40.4	s19.cnzz.com	站点统计	24	9	6960	690	200
1363157973098 	15013685858	5C-0E-8B-C7-F7-90:CMCC	120.197.40.4	rank.ie.sogou.com	搜索引擎	28	27	3659	3538	200
1363157986029 	15989002119	E8-99-C4-4E-93-E0:CMCC-EASY	120.196.100.99	www.umeng.com	站点统计	3	3	1938	180	200
1363157992093 	13560439658	C4-17-FE-BA-DE-D9:CMCC	120.196.100.99			15	9	918	4938	200
1363157986041 	13480253104	5C-0E-8B-C7-FC-80:CMCC-EASY	120.197.40.4			3	3	180	180	200
1363157984040 	13602846565	5C-0E-8B-8B-B6-00:CMCC	120.197.40.4	2052.flash2-http.qq.com	综合门户	15	12	1938	2910	200
1363157995093 	13922314466	00-FD-07-A2-EC-BA:CMCC	120.196.100.82	img.qfc.cn		12	12	3008	3720	200
1363157982040 	13502468823	5C-0A-5B-6A-0B-D4:CMCC-EASY	120.196.100.99	y0.ifengimg.com	综合门户	57	102	7335	110349	200
1363157986072 	18320173382	84-25-DB-4F-10-1A:CMCC-EASY	120.196.100.99	input.shouji.sogou.com	搜索引擎	21	18	9531	2412	200
1363157990043 	13925057413	00-1F-64-E1-E6-9A:CMCC	120.196.100.55	t3.baidu.com	搜索引擎	69	63	11058	48243	200
1363157988072 	13760778710	00-FD-07-A4-7B-08:CMCC	120.196.100.82			2	2	120	120	200
1363157985066 	13726238888	00-FD-07-A4-72-B8:CMCC	120.196.100.82	i02.c.aliimg.com		24	27	2481	24681	200
1363157993055 	13560436666	C4-17-FE-BA-DE-D9:CMCC	120.196.100.99			18	15	1116	954	200

  保存成功后 移入input 文件夹中   

  hadoop  fs  -put  flow.data   /flowsum/input

  将打包成功的jar 包移动到集群中,并运行  

hadoop jar hadoop.jar  /flowsum/input    /flowsum/output   

 在这里说明一下 由于idea  打jar的时候已经将main方法打入jar包,所以已经指定了main方法  在这里就不用添加类名的指向路径

上面的执行成功后 

统计完成 :统计结果如下:

  • 0
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
MapReduce 是一种分布式计算模型,可以用于大规模数据处理。流量统计MapReduce 中的一个经典应用场景,下面是一个简单的 MapReduce 流量统计程序示例。 假设我们有一个日志文件,记录了用户在某个网站上的访问情况,每行记录包括访问时间、用户 ID、访问 URL、访问流量等信息。我们需要编写一个程序,统计每个 URL 的访问流量总和。 首先是 Map 阶段,我们需要将每行记录解析成 key-value 对,其中 key 是 URL,value 是访问流量。Map 函数的伪代码如下: ``` function Map(key, value): url = extract_url(value) traffic = extract_traffic(value) emit(url, traffic) ``` 其中 `extract_url` 和 `extract_traffic` 函数是自定义的解析函数,可以根据具体情况实现。`emit` 函数将 key-value 对输出到中间结果。 接着是 Shuffle 阶段,框架会将 Map 输出的中间结果按照 key 进行分组,得到一个 key-value 列表,其中 key 相同的 value 被分在同一个列表中。 最后是 Reduce 阶段,我们需要对每个 key 对应的 value 进行合并,并输出最终结果。Reduce 函数的伪代码如下: ``` function Reduce(key, values): total_traffic = 0 for traffic in values: total_traffic += traffic emit(key, total_traffic) ``` 其中 `emit` 函数将 key-value 对输出到最终结果。 整个流程可以用下图表示: ``` +-----------+ +------------+ +-----------+ | | | | | | | Input +-----> | Map +-----> | Shuffle | | | | | | | +-----------+ +------------+ +-----------+ | | v +-----------+ | | | Reduce | | | +-----------+ | | v +-----------+ | | | Output | | | +-----------+ ``` 以上就是一个简单的 MapReduce 流量统计程序示例。需要注意的是,实际应用中可能会有更多的细节问题需要考虑,比如数据倾斜、容错机制等。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
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

打赏作者

3分钟秒懂大数据

你的打赏就是对我最大的鼓励

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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