通过Java编写MapReduce程序，过滤输入的log日志中是否包含atguigu和sina

题目
通过Java编写MapReduce程序，过滤输入的log日志中是否包含atguigu和sina
（1）包含atguigu的网站输出到/opt/sx/java/log/atguigu.log
（2）不包含atguigu而包含sina的网站输出到/opt/sx/java/log/sina.log;
（3）其他的网站输出到/opt/sx/java/log/other.log。

本题声明：
1.采用Linux系统
2.已搭建好的hadoop集群
3.使用java编写MapReduce程序
题目分析：
1.编写MapReduce程序
2.hadoop调用MapReduce程序的数据源要上传至集群当中
一、首先将该题的数据源上传至集群
我已经将数据源复制到了Linux系统当中

数据源文件内容为：

（1）在集群创建空目录，用于存放该题的数据源文件
命名：hadoop fs -mkdir -p /zs/java/input/input9/

集群中的空目录创建成功

（2）将该题的数据源上传至创建的空目录中
(就在该数据源的文件夹内使用hadoop命名)
命名：
hadoop fs -put log.txt /zs/java/input/input9/

数据源文件上传成功

这道题的数据源已经上传成功了，接下来就是编写MapReduce程序

二、创建java项目编写MapReduce程序
（1）创建java项目并导入连接hadoop的jar包
我创建的是一个名为Nine的java项目(项目名可自行设置)
为该项目导入连接hadoop的jar包
File --> Project Structure --> Modules --> Dependencies
选择右边的+号点击：JARs or directories，找到已准备好的lib包并选中点击ok
（没有lib包的联系我，我发给你，lib包一般存放在 “ /opt/software/ ” 下）

（2）使用java编写MapReduce程序
这道题的MapReduce程序包含以下几个类：Driver、Mapper、OutputFormat、RecordWriter、Reducer

定义一个FilterDriver.java类
代码如下：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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 FilterDriver {
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();

        Job job = Job.getInstance(conf);

        job.setJarByClass(FilterDriver.class);
        job.setMapperClass(FilterMapper.class);
        job.setReducerClass(FilterReducer.class);

        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(NullWritable.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);

        // 要将自定义的输出格式组件设置到job中
        job.setOutputFormatClass(FilterOutputFormat.class);

        FileInputFormat.setInputPaths(job, new Path(args[0]));

        // 虽然我们自定义了outputformat，但是因为我们的outputformat继承自fileoutputformat
        // 而fileoutputformat要输出一个_SUCCESS文件，所以，在这还得指定一个输出目录
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

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

定义一个FilterMapper.java类
代码如下：

import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class FilterMapper extends Mapper<LongWritable, Text, Text, NullWritable>{

    Text k = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        // 1 获取一行
        String line = value.toString();

        k.set(line);

        // 3 写出
        context.write(k, NullWritable.get());
    }
}

定义一个FilterOutputFormat.java类
代码如下：

import java.io.IOException;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class FilterOutputFormat extends FileOutputFormat<Text, NullWritable>{

    @Override
    public RecordWriter<Text, NullWritable> getRecordWriter(TaskAttemptContext job)
            throws IOException, InterruptedException {

        // 创建一个RecordWriter
        return new FilterRecordWriter(job);
    }
}

定义一个FilterRecordWriter.java类
代码如下：

import java.io.IOException;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;

public class FilterRecordWriter extends RecordWriter<Text, NullWritable> {
    FSDataOutputStream atguiguOut = null;
    FSDataOutputStream sinaOut = null;
    FSDataOutputStream otherOut = null;

    public FilterRecordWriter(TaskAttemptContext job) {
        // 1 获取文件系统
        FileSystem fs;

        try {
            fs = FileSystem.get(job.getConfiguration());

            // 2 创建输出文件路径
            Path atguiguPath = new Path("/opt/sx/java/log/atguigu.log");
            Path sinaPath = new Path("/opt/sx/java/log/sina.log");
            Path otherPath = new Path("/opt/sx/java/log/other.log");

            // 3 创建输出流
            atguiguOut = fs.create(atguiguPath);
            sinaOut = fs.create(sinaPath);
            otherOut = fs.create(otherPath);
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

    @Override
    public void write(Text key, NullWritable value) throws IOException, InterruptedException {

        // 判断是否包含“atguigu”输出到不同文件
        if (key.toString().contains("atguigu")) {
            atguiguOut.write(key.toString().getBytes());
        } else if (key.toString().contains("sina")){
            sinaOut.write(key.toString().getBytes());
        }else {
            otherOut.write(key.toString().getBytes());
        }
    }

    @Override
    public void close(TaskAttemptContext context) throws IOException, InterruptedException {
        // 关闭资源
        if (atguiguOut != null) {
            atguiguOut.close();
        }
        if (sinaOut != null){
            sinaOut.close();
        }
        if (otherOut != null) {
            otherOut.close();
        }

    }
}

定义一个FilterReducer.java类
代码如下：

import java.io.IOException;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class FilterReducer extends Reducer<Text, NullWritable, Text, NullWritable> {

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

        String k = key.toString();
        k = k + "\r\n";

        context.write(new Text(k), NullWritable.get());
    }
}

MapReduce的所有java类已创建成功

三、将编写的MapReduce程序打包并上传至，启动集群的Linux系统中
我这里是：hadoop111，hadoop112
Idea中打包 java程序：
File --> Project Structure --> Artifacts --> + -->JAR --> From modules with dependencies
随后在Main Class中选择 WordcountDriver，随后点击OK

点击Ok后，再点击OK

点击ok后，选择: Build --> Build Artifacts --> Build

然后耐心等待一会
在左侧会自动生成一个out的文件，点击： out —> artifacts —> Nine_ jar
即可查看是否打包成功

打包后在Linux系统中的 /root/ 下面找到 ideaProjects

然后点击 IdeaProjects --> Nine --> out --> artifacts -->Nine_jar
找到已打好的jar包

在该目录下，右击打开终端输入scp命名，将jar包上传至启动集群的hadoop111的Linux系统中"/opt/software/" 文件夹下
SCP 命名：scp Nine.jar root@hadoop111:/opt/software/

查看文件是否传输成功

执行zip命名对该包进行删除两个会使程序出错的文件
ZIP命名：
zip -d Nine.jar META-INF/.RSA META-INF/.SF

就在该目录下使用hadoop调用该包，对集群中的数据源文件进行统计每个订单中最便宜的商品，最后输出到一个文件中
hadoop命名：
hadoop jar Nine.jar /zs/java/input/input9/log.txt /zs/java/output/output9
（/zs/java/input/input9/log.txt 代表的是这道题的数据源，数据源在前面已经上传）
（/zs/java/output/output9 代表hadop调用jar包将数据源文件处理后的文件存放位置）

hadoop调用jar包执行效果为：
（执行结果在集群中查看）
在一级目录下查看，我java代码写的创建在一级目录下