文章目录
一、实战概述
- 我们将演示如何使用Apache Hadoop的MapReduce框架计算学生总分和平均分。针对包含姓名和六门科目成绩的五条记录数据,我们将在Hadoop上进行以下步骤:启动服务,准备数据(创建score.txt文件并上传到HDFS的/calcscore/input目录);实现MapReduce过程,包括创建Maven项目、添加依赖、配置日志、编写ScoreMapper和ScoreReducer类,以及设置作业的ScoreDriver类。在ScoreMapper中,我们将每行数据拆分为姓名和科目成绩的键值对。ScoreDriver负责作业配置和调用Mapper和Reducer。ScoreReducer计算每个学生的总分和平均分,并输出结果。最后,运行ScoreDriver并查看HDFS上的结果文件。此过程展示了MapReduce在处理和分析学生成绩数据中的应用。
二、提出任务
- 成绩表,包含六个字段(姓名,语文,数学,英语,物理,化学),五条记录
姓名 | 性别 | 年龄 | 手机 | 专业 |
---|---|---|---|---|
李文丽 | 女 | 19 | 15892943440 | 大数据应用 |
张三丰 | 男 | 20 | 15890987976 | 人工智能应用 |
郑晓燕 | 女 | 18 | 12982827272 | 软件技术 |
唐宇航 | 男 | 19 | 19377383663 | 计算机应用 |
陈燕文 | 女 | 22 | 13672727222 | 软件技术 |
童安格 | 男 | 21 | 12935527222 | 大数据应用 |
肖雨涵 | 男 | 19 | 13926266333 | 软件技术 |
冯晓华 | 女 | 18 | 13876262263 | 大数据应用 |
三、完成任务
(一)准备数据
1、在虚拟机上创建文本文件
- 在master虚拟机上创建score.txt文件
2、上传文件到HDFS指定目录
- 在HDFS上创建/hivescore/input目录,执行命令:hdfs dfs -mkdir -p /calcsore/input
将文本文件score.txt
,上传到hdfs
的/hivescore/input
目录
- 查看
hdfs
表数据:hdfs dfs -cat /hivescore/input/score.txt
(二)实现步骤
1、创建Maven项目
2、添加相关依赖
- 在
pom.xml
文件里添加hadoop
和junit
依赖
- 点击刷新按钮
3、创建日志属性文件
- 在
resources
目录里创建log4j.properties
文件
log4j.rootLogger=ERROR, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/calcscore.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n
4、创建成绩映射器类
- 在
net.xujin.mr
里创建ScoreMapper
类
package net.xujin.mr;
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;
public class ScoreMapper extends Mapper <LongWritable, Text, Text, IntWritable>{
@Override
protected void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
//获取行内容
String line = value.toString();
//按空格拆分得到字段数组
String[] field = line.split(" ");
//获取姓名
//trim()去空格
String name = field[0].trim();
//遍历各科成绩
for(int i = 1;i<field.length;i++){
//获取成绩
int score = Integer.parseInt(field[i].trim());
//写入<姓名,成绩>键值对
context.write(new Text(name),new IntWritable(score));
}
}
}
5、创建成绩驱动器类
- 在
net.xujin.mr
包里创建ScoreDriver
类
package net.xujin.mr;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
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.net.URI;
public class ScoreDriver {
public static void main(String[] args) throws Exception {
// 创建配置对象
Configuration conf = new Configuration();
// 设置数据节点主机名属性
conf.set("dfs.client.use.datanode.hostname", "true");
// 获取作业实例
Job job = Job.getInstance(conf);
// 设置作业启动类
job.setJarByClass(ScoreDriver.class);
// 设置Mapper类
job.setMapperClass(ScoreMapper.class);
// 设置map任务输出键类型
job.setMapOutputKeyClass(Text.class);
// 设置map任务输出值类型
job.setMapOutputValueClass(IntWritable.class);
// 定义uri字符串
String uri = "hdfs://master:9000";
// 创建输入目录
Path inputPath = new Path(uri + "/calcsore/input");
// 创建输出目录
Path outputPath = new Path(uri + "/calcsore/output");
// 获取文件系统
FileSystem fs = FileSystem.get(new URI(uri), conf);
// 删除输出目录(第二个参数设置是否递归)
fs.delete(outputPath, true);
// 给作业添加输入目录(允许多个)
FileInputFormat.addInputPath(job, inputPath);
// 给作业设置输出目录(只能一个)
FileOutputFormat.setOutputPath(job, outputPath);
// 等待作业完成
job.waitForCompletion(true);
// 输出统计结果
System.out.println("======统计结果======");
FileStatus[] fileStatuses = fs.listStatus(outputPath);
for (int i = 1; i < fileStatuses.length; i++) {
// 输出结果文件路径
System.out.println(fileStatuses[i].getPath());
// 获取文件系统数据字节输入流
FSDataInputStream in = fs.open(fileStatuses[i].getPath());
// 将结果文件显示在控制台
IOUtils.copyBytes(in, System.out, 4096, false);
}
}
}
6、启动成绩驱动器类,查看结果
- 运行
ScoreDriver
类
7、创建成绩归并器类
- 在
net.xujin.mr
包里创建ScoreReducer
类
package net.xujin.mr;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
import java.text.DecimalFormat;
public class ScoreReducer extends Reducer<Text, IntWritable,Text, NullWritable> {
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context)
throws IOException,InterruptedException{
//声明科目数、总分和平均分变量
int count=0;
int sum=0;
double avg=0;
//遍历迭代器计算总分
for (IntWritable value : values){
count++;//科目数累加
sum=sum+value.get();//累加每颗成绩
}
//计算平均分
avg=sum*1.0/count;
//创建小数点格式对象(保留一位小数)
DecimalFormat df = new DecimalFormat("#.#");
// 拼接每个学生总分与平均分成绩信息
String scoreInfo = "(" + key + "," + sum + "," + df.format(avg) + ")";
// 写入键值对
context.write(new Text(scoreInfo), NullWritable.get());
}
}
8、修改成绩驱动器类
- 设置Reducer类及其输出键值类型
9、启动成绩驱动器列,查看结果
-
运行
ScoreDriver
类
-
利用HDFS Shell命令查看结果文件内容