MapReduce处理csv

MapReduce处理csv

csv是由逗号“，”来分割的文件，在编写Mapper类的时候需要以“，”分割成一个个的数据

查看一下csv数据

以上是为了测试做的数据，要处理的结果就是经过mapreduce再原封不动的出来，因为是测试，所以内容不做任何处理

需求分析

因为MapReduce的输入和输出都是k，v键值对的形式，所以考虑将输出v封装成一个对象，对象属性按照csv文件进行设置

注意：因为封装为了对象使用MapReduce处理，就需要考虑序列化和反序列化，同时还需要考虑输入和输出的类型

介绍MapReduce中序列化和反序列化

MapReduce的序列化和反序列化

**序列化：**序列化就是把内存中的对象，转换成字节序列（或其他数据传输协议）以便于存储到磁
盘（持久化）和网络传输。

**反序列化：**反序列化就是将收到字节序列（或其他数据传输协议）或者是磁盘的持久化数据，转换
成内存中的对象。

自定义 bean 对象实现序列化接口（Writable ）

具体实现 bean 对象序列化步骤如下 7 步。

1. 必须实现 Writable 接口

2. 反序列化时，需要反射调用空参构造函数，所以必须有空参构造

3. 重写序列化方法

   @Override
       public void write(DataOutput dataOutput) throws IOException {
   
           dataOutput.writeUTF(id);
           dataOutput.writeUTF(name);
           dataOutput.writeUTF(age);
           dataOutput.writeUTF(sex);
       }
   

4. 重写反序列化方法

   @Override
       public void readFields(DataInput dataInput) throws IOException {
   
           this.id = dataInput.readUTF();
           this.name = dataInput.readUTF();
           this.age = dataInput.readUTF();
           this.sex = dataInput.readUTF();
       }
   

5. 注意反序列化的顺序和序列化的顺序完全一致

6. 要想把结果显示在文件中，需要重写 toString()，可用"\t"，","等分开，方便后续用。

   @Override
       public String toString() {
           return id + "," + name + "," + age + "," + sex;
       }
   

7. 如果需要将自定义的 bean 放在 key 中传输，则还需要实现 Comparable 接口，因为MapReduce 框中的 Shuffle 过程要求对 key 必须能排序。

进行业务编写

封装对象CsvBean

在序列化和反序列化是，要根据属性类型选择序列化的类型，比如属性是String，就要选择writeUTF方法，反序列化时就是readUTF方法

package com.gis507.test.CsvSplit;

import org.apache.hadoop.io.Writable;

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

public class CsvBean implements Writable{

    private String id;
    private String name;
    private String age;
    private String sex;


    public CsvBean() {
    }

    public CsvBean(String id, String name, String age, String sex) {
        this.id = id;
        this.name = name;
        this.age = age;
        this.sex = sex;
    }

    public String getId() {
        return id;
    }

    public void setId(String id) {
        this.id = id;
    }

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public String getAge() {
        return age;
    }

    public void setAge(String age) {
        this.age = age;
    }

    public String getSex() {
        return sex;
    }

    public void setSex(String sex) {
        this.sex = sex;
    }

    @Override
    public String toString() {
        return id + "," + name + "," + age + "," + sex;
    }

    @Override
    public void write(DataOutput dataOutput) throws IOException {

        dataOutput.writeUTF(id);
        dataOutput.writeUTF(name);
        dataOutput.writeUTF(age);
        dataOutput.writeUTF(sex);
    }

    @Override
    public void readFields(DataInput dataInput) throws IOException {

        this.id = dataInput.readUTF();
        this.name = dataInput.readUTF();
        this.age = dataInput.readUTF();
        this.sex = dataInput.readUTF();
    }
}

Mapper类：CsvSplitMapper

package com.gis507.test.CsvSplit;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.checkerframework.checker.units.qual.C;

import java.io.IOException;

public class CsvSplitMapper extends Mapper<LongWritable, Text,Text,CsvBean> {

    private Text outK = new Text();
    private CsvBean outV = new CsvBean();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

        // 1获取一行转为String
        String line = value.toString();

        //2 按照逗号分割
        // 1,jeryy,18,male,1
        String[] csvComments = line.split(",");

        //3 获取需要的值
        String id = csvComments[0];
        String name = csvComments[1];
        String age = csvComments[2];
        String sex = csvComments[3];

        //4 封装到对象
        outV.setId(id);
        outV.setName(name);
        outV.setAge(age);
        outV.setSex(sex);

        outK.set(id);

        //5 写出
        context.write(outK,outV);

    }
}

Reducer类：CsvSplitReducer

package com.gis507.test.CsvSplit;

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

import java.io.IOException;

public class CsvSplitReducer extends Reducer<Text,CsvBean, Text,CsvBean> {

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

        for (CsvBean value : values) {

            context.write(key,value);
        }
    }
}

Driver类：CsvSplitDriver

package com.gis507.test.CsvSplit;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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;

public class CsvSplitDriver {
    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {

        //1 获取job对象
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        //2 关联Driver类
        job.setJarByClass(CsvSplitDriver.class);

        //3 关联Mapper和Reducer类
        job.setMapperClass(CsvSplitMapper.class);
        job.setReducerClass(CsvSplitReducer.class);

        //4 设置Map的输入输出类型
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(CsvBean.class);

        //5	设置最终的输入输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(CsvBean.class);

        //6	设置输入输出路径
        FileInputFormat.setInputPaths(job,new Path("D:\\AAUser\\dic\\Files\\testFile\\test.csv"));
        FileOutputFormat.setOutputPath(job,new Path("D:\\AAUser\\dic\\Files\\testFile1"));

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

输出结果：