1 项目说明

本文实现的是用Hadoop的MapReduce计算框架，对国内2013年1月至6月这半年以来的地震数据进行了统计和分析。分别按照地震时间和地震地点进行分析。

地震数据来源于国家地震科学数据共享中心，地址：http://data.earthquake.cn/data/index.jsp?no11&number=28

2 项目准备

首先是开发环境，我所使用的是Eclipse开发环境，eclipse中集成了hadoop开发插件。如何安装单机hadoop，请移步hadoop安装

从国家地震科学数据共享中心下载下来的数据是excel文件，需要转化成CSV文件，这样便于解析。CSV文件中的数据大约有20000条左右，是这半年以来全国各地的地震情况监测数据。全国各地每天都有很多个小型地震发生。其中大部分发生在地壳深处，没有人能高觉到，尽管如此，地震监听站仍会记录这些小型地震。

下面是几行地震数据

日期,时间,纬度(°),经度(°),深度(km),震级类型,震级值,事件类型,参考地名
2013-06-25,06:04:13.0,10.70,-42.60,10,Ms,6.5,eq,中大西洋海岭北部
2013-06-24,14:34:48.7,44.33,84.10,6,Ms,4.1,eq,新疆维吾尔自治区塔城地区乌苏市
2013-06-24,13:02:01.9,44.31,84.17,8,Ms,4.3,eq,新疆维吾尔自治区塔城地区乌苏市
2013-06-24,11:44:20.8,39.42,95.50,6,Ms,3.4,eq,甘肃省酒泉市肃北蒙古族自治县

下面，提出两个问题：

a. 每天有多少次地震发生；

b. 这六个月的时间内，各个地点总共发生了多少次地震。

3 程序说明

3.1 解析CSV文件

CSV文件前面两行是文件头，其它每一行都是一系列逗号分隔开的数据值。我们只对3列数据感兴趣：日期、地点和震级。为了解析CSV文件，我们使用了一个很棒的开源库opencsv，用它能够很容易的解析CSV文件。

我们从CSV文件中复制一条数据作为测试数据，确认我们可以用opencsv来获取我们想要的信息。

/*** 测试读取csv文件中的地震数据*/
package com.eq.test;import java.io.IOException;import au.com.bytecode.opencsv.CSVParser;public class CSVProcessingTest {/*** @param args*/// 从csv文件复制一行数据private final String LINE = "2013-06-23,22:31:30.3,24.70,99.21,5,ML,1.4,eq,云南施甸";public void testReadingOneLine() {String[] lines = null;try {// 用opencsv解析lines = new CSVParser().parseLine(LINE);} catch (IOException e) {// TODO Auto-generated catch blocke.printStackTrace();}// 打印解析结果for (String line : lines) {System.out.println(line);}}public static void main(String[] args) {// TODO Auto-generated method stubCSVProcessingTest csvProcessingTest = new CSVProcessingTest();csvProcessingTest.testReadingOneLine();}}

opencsv处理逗号分隔值值非常简单，该解析器仅返回一组String数组。

3.2 编写map函数

EarthQuakeLocationMapper类继承了hadoop的Mapper对象。它指定输出键为一个Text对象，将其值制定为IntWritable，IntWritable实质上是一个整数。而LongWritable和Text分别表示字节数和文本行数。

/*** 统计地震次数的区域的map*/
package com.eq.map;import java.io.IOException;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 au.com.bytecode.opencsv.CSVParser;public class EarthQuakeLocationMapper extendsMapper<LongWritable, Text, Text, IntWritable> {@Overrideprotected void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException {if (key.get() > 0) {String[] lines = new CSVParser().parseLine(value.toString());context.write(new Text(lines[8]), new IntWritable(1));}}
}

map函数十分简单。首先我们检查字节数（key对象）是否为0，这样可以避免CSV文件头部数据。然后传入地名，设置传出键。就是说，我们为每个地名编写一个计数器，当下文中reduce实现被调用时，获取一个键和一系列值。本例中，键是地名及其值，如下面所示：

"四川汶川":[1,1,1,1,1,1,1,1]
"甘肃天祝":[1,1,1,1]
"广西平果":[1,1,1,1,1,1]

注意：context.write(new Text(lines[8]), new IntWritable(1))构建了如上面所示的逻辑关系集合。context是一个保存各种信息的hadoop的数据结构。context将被传递到reduce实现，reduce获取这些值为1的值然后叠加起来，算出总数。因此，一个reduce的输出视图将是这样的：

"四川汶川":[8]
"甘肃天祝":[4]
"广西平果":[6]

3.3 编写reduce函数

reduce实现如下。与Mapper一样，Reducer被参数化了：前两个参数是传入的键类型（Text）和值类型（IntWritable），后两个参数是输出类型：键和值。

package com.eq.reduce;import java.io.IOException;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class EarthQuakeLocationReducer extendsReducer<Text, IntWritable, Text, IntWritable> {@Overrideprotected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {int count = 0;for (IntWritable value : values) {count++;}if (count >= 10) {context.write(key, new IntWritable(count));}}
}

reduce的实现也是非常简单的，传入到reduce中实际上是一个值的集合，我们所做的就是将他们加起来，然后写出一个新键值对来表示地点和次数。

"四川汶川":[1,1,1,1,1,1,1,1]  -->  "四川汶川":8

3.3 编写Hadoop的Job

现在我们已经写完了map和reduce，接下来要做的就是将所有这一切链接到一个Hadoop的Job。定义一个Job比较简单：你需要提供输入和输出、map和reduce实现以及输出类型。

/*** 定义一个hadoop job，用于统计不同地域的地震次数*/
package com.eq.job;import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import com.eq.map.EarthQuakeLocationMapper;
import com.eq.map.EarthQuakesPerDateMapper;
import com.eq.reduce.EarthQuakeLocationReducer;
import com.eq.reduce.EarthQuakesPerDateReducer;
import org.apache.hadoop.io.Text;public class EarthQuakesLocationJob {/*** @param args*/public static void main(String[] args) throws Throwable {// TODO Auto-generated method stubJob job = new Job();job.setJarByClass(EarthQuakesLocationJob.class);FileInputFormat.addInputPath(job, new Path("hdfs://localhost:9000/input/earthquake_data.csv"));//csv文件所在目录FileOutputFormat.setOutputPath(job, new Path("hdfs://localhost:9000/output"));job.setMapperClass(EarthQuakeLocationMapper.class);job.setReducerClass(EarthQuakeLocationReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);System.exit(job.waitForCompletion(true)?0:1);}}

3.4程序运行结果

reduce输出的结果，可以在http://localhost:50070中查看。以上只是结果的一部分。

通过上文的叙述，我们解答了前文提到的两个问题的第二个问题。还有第一个问题，就是统计每个时间地震发生的次数。

在源代码中，map函数如下：

/*** map函数的实现*/
package com.eq.map;import java.io.IOException;
import java.text.SimpleDateFormat;
import java.util.Date;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 au.com.bytecode.opencsv.CSVParser;public class EarthQuakesPerDateMapper extendsMapper<LongWritable, Text, Text, IntWritable> {@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException {if (key.get() > 0) {try {// csv解析器CSVParser parser = new CSVParser();// 解析csv数据String[] lines = parser.parseLine(value.toString());String dtstr = lines[0];//map输出context.write(new Text(dtstr), new IntWritable(1));} catch (Exception e) {// TODO: handle exceptione.printStackTrace();}}}}

reduce函数如下：

package com.eq.reduce;import java.io.IOException;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;public class EarthQuakesPerDateReducer extendsReducer<Text, IntWritable, Text, IntWritable> {@Overrideprotected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {int count = 0;for (IntWritable value : values) {count++;}context.write(key, new IntWritable(count));}
}

Job如下：

/*** 定义一个hadoop job*/
package com.eq.job;import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import com.eq.map.EarthQuakesPerDateMapper;
import com.eq.reduce.EarthQuakesPerDateReducer;
import org.apache.hadoop.io.Text;public class EarthQuakesPerDayJob {/*** @param args*/public static void main(String[] args) throws Throwable {// TODO Auto-generated method stubJob job = new Job();job.setJarByClass(EarthQuakesPerDayJob.class);FileInputFormat.addInputPath(job, new Path("hdfs://localhost:9000/input/all_month.csv"));//csv文件所在目录FileOutputFormat.setOutputPath(job, new Path("hdfs://localhost:9000/output"));job.setMapperClass(EarthQuakesPerDateMapper.class);job.setReducerClass(EarthQuakesPerDateReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);System.exit(job.waitForCompletion(true)?0:1);}}

这几段代码和之前的很相似，此处不再赘述。

基于Hadoop的地震数据分析统计相关推荐

基于python的气象数据分析统计服_基于Python的风向风速数据分析的设计与实现
基于 Python 的风向风速数据分析的设计与实现李文倩 ; 刘婕 [期刊名称] < <信息通信> > [年 ( 卷 ), 期] 2019(000)009 [摘要] Pyth ...
基于Hadoop豆瓣电影数据分析（综合实验）
Hadoop作为处理大数据重要的分布式架构,熟练掌握每一个组件和知识点是非常重要的.随着现代社会产生的大量信息,大数据已不仅仅是调查领域:它是改变业务实践和营销策略的强大力量.据BCG称, 大数据可以 ...
基于hadoop的出租车数据分析（二）
http://mp.weixin.qq.com/s?__biz=MzI0NzM2MDExMw==&mid=2247483687&idx=1&sn=1862868680559dd ...
基于Hadoop和Spark体系的大数据分析平台构建
谢谢分享! 转载:http://www.sohu.com/a/249271561_481409 随着大数据.人工智能等技术的快速发展,企业对大数据平台的需求越来越强烈,通过大数据分析技术为企业提供经营 ...
基于Hadoop的数据分析平台搭建
企业发展到一定规模都会搭建单独的BI平台来做数据分析,即OLAP(联机分析处理),一般都是基于数据库技术来构建,基本都是单机产品.除了业务数据的相关分析外,互联网企业还会对用户行为进行分析,进一步挖掘 ...
大数据hadoop，spark数据分析之基于大数据平台的运营商在线服务系统设计
今天向大家介绍一个帮助往届学生完成的毕业设计项目,大数据hadoop,spark数据分析之基于大数据平台的运营商在线服务系统设计. 基于大数据平台的运营商在线服务系统设计随着通信行业的业务拓展以及 ...
基于Hadoop + Hive框架进行电子商务数据分析的设计与实现
摘要随着大数据时代的到来,企业挖掘出隐藏巨大的数据价值给带来了更多的市场机会.大数据存储,处理和处理的研究已是企业未来发展的趋势,因此,将开展基于Hadoop + Hive框架进行电子商务数据分析, ...
基于hadoop实现的关联规则挖掘的图书数据分析推荐系统
资源下载地址:https://download.csdn.net/download/sheziqiong/86763735 资源下载地址:https://download.csdn.net/downl ...
大数据开发：基于Hadoop的数据分析平台
互联网的发展,带来了各种数据的爆发式增长,所以接入互联网的相关操作行为,都化为虚拟的数据被记录了下来.大数据时代的带来,一个明显的变化就是全样本数据分析,面对TB/PB级及以上的数据规模,Hadoop ...

基于Hadoop的地震数据分析统计