今天是生产实习大数据实训第二天,通过两天的学习,我获得了许多的知识。
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。
项目背景
手机流量统计分析项目
实习内容
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。
思 路:
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
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
Reducer形如:(“手机号”,<Access,Access>)
自定义分区类(需要继承Partitioner抽象类),并覆写getPartition()方法
————————————————
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
原文链接:https://blog.csdn.net/weixin_63192724/article/details/139454442
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