MapReduce—平均工资

MapReduce—平均工资

我这里是使用集群去处理这个日志数据，数据在我的github上，默认使用maven去管理所有的jar包

• github地址

1. 需求分析

---

按照所给数据文件去统计每个部门的人数，最高工资，最低工资和平均工资

需求统计的日志数据如下：

需要将每个部门的人数，工资进行统计。比如10号部门有3个人，最高工资是5000元，最低工资是1300元，平均工资是2916.666666666667元。则以如下形式进行显示：

10 3 5000 1300 2916.666666666667

2. 解答思路

---

1.因为要统计部门的人数以及工资，那么在最后的reduce阶段，进行汇总时，可以设置一个计数器，在进行汇总时，就可以计算出部门人数，所以，我们只需要日志数据中的两列，分别是部门编号和工资，将部门编号作为key，工资作为value

2.在reduce输出阶段，因为要输出人数，最高工资，最低工资和平均工资，一共四列，所以需要将计算出的结果拼接成一个Text进行输出

3.在处理过程中我使用Partitioner将数据分开通过不同的reduce去处理

4.如果需要本地运行，记得注释掉avgsal文件中的23/24/25行，并将47行和50行的文件路径修改为自己所使用的文件路径

5.因为在数据扭转的过程中，<K2, V2>和<K3, V3>的数据类型发生了变化，所以要在avgsal中设置map端所输出的数据类型，也就是要指定<K2, V2>的数据类型

mapper端代码

package com.yangqi.avgsal;

import org.apache.hadoop.io.DoubleWritable;
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 java.io.IOException;

/**
 * @author xiaoer
 * @date 2019/11/12 12:44
 */
public class MyMapper extends Mapper<LongWritable, Text, IntWritable, DoubleWritable> {
    IntWritable num = new IntWritable();
    DoubleWritable result = new DoubleWritable();

    /**
     * 针对每一行的数据，都会执行一次下面的map方法
     *
     * @param key
     * @param value
     * @param context
     * @throws IOException
     * @throws InterruptedException
     */
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String[] split = line.split(",");
        String str1 = split[split.length - 1];
        String str2 = split[split.length - 3];
        num.set(Integer.parseInt(str1));
        result.set(Double.parseDouble(str2));
        context.write(num, result);
    }
}

reduce端代码

package com.yangqi.avgsal;

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

import java.io.IOException;

/**
 * @author xiaoer
 * @date 2019/11/12 12:47
 */
public class MyReducer extends Reducer<IntWritable, DoubleWritable, IntWritable, Text> {
    Text result = new Text();

    @Override
    protected void reduce(IntWritable key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException {
        // 记录部门的人数
        int num = 0;
        // 记录部门的工资和
        double sum = 0;
        // 记录最大工资
        double max = Double.MIN_VALUE;
        // 记录最小工资
        double min = Double.MAX_VALUE;
        for (DoubleWritable value : values) {
            num++;
            sum += value.get();
            if (max < value.get()) {
                max = value.get();
            }
            if (min > value.get()) {
                min = value.get();
            }
        }
        // 将结果进行拼接，拼接成Text进行输出
        String str = "\t" + num + "" + "\t" + max + "" + "\t" + min + "\t" + (sum / num);
        result.set(str);
        // 以<K3, V3>形式进行写出
        context.write(key, result);
    }
}

partitioner端代码

package com.yangqi.avgsal;

import org.apache.hadoop.mapreduce.Partitioner;

/**
 * @author xiaoer
 * @date 2019/11/13 11:54
 */
public class MyPartitioner<K, V> extends Partitioner<K, V> {
    public int getPartition(K key, V value, int numPartitions) {
        int emp = Integer.parseInt(key.toString());
        if (emp == 10 || emp == 30) {
            return 0;
        } else
            return 1;
    }
}

avgsal

package com.yangqi.avgsal;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.DoubleWritable;
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;

import java.io.IOException;

/**
 * @author xiaoer
 * @date 2019/11/12 12:50
 */
public class AvgSal {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        // 获取配置对象：读取四个默认配置文件
        Configuration conf = new Configuration();
        System.setProperty("HADOOP_USER_NAME", "hadoop");
        conf.set("mapreduce.app-submission.cross-platform", "true");
        conf.set("mapred.jar", "AvgSal/target/AvgSal-1.0-SNAPSHOT.jar");
        FileSystem fs = FileSystem.get(conf);
        // 创建Job实例对象
        Job job = Job.getInstance(conf, "avgsal");
        // 用于指定驱动类型
        job.setJarByClass(AvgSal.class);
        // 用于指定Map阶段的类型
        job.setMapperClass(MyMapper.class);
        // 用于指定Reduce阶段的类型
        job.setReducerClass(MyReducer.class);
        job.setNumReduceTasks(2);
        // 设置Partition的类型
        job.setPartitionerClass(MyPartitioner.class);

        job.setMapOutputKeyClass(IntWritable.class);
        job.setMapOutputValueClass(DoubleWritable.class);
        // 设置K3的输出类型
        job.setOutputKeyClass(IntWritable.class);
        // 设置V3的输出类型
        job.setOutputValueClass(Text.class);

        // 设置要统计的文件的路径
        FileInputFormat.addInputPath(job, new Path("/emp"));
        // FileInputFormat.addInputPath(job, new Path(args[0]));
        // 设置文件的输出路径
        Path path = new Path("/output");
        // Path path = new Path(args[1]);
        if (fs.exists(path)) {
            fs.delete(path, true);
        }
        FileOutputFormat.setOutputPath(job, path);
        // 等到作业执行，并退出
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}