第二个案例实操——创建Bean类
2024-05-15 01:45:17
文章目录
- 1.需求：
- 2.需求分析
- 3.编程实现
- 3.1.创建Bean类
- 3.2.创建Mapper类
- 3.3.创建Reducer类
- 3.4.创建Driver类
- 4.查看结果
1.需求：
准备一个phone_data.txt文档，内容如下：
1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200
2 13846544121 192.196.100.2 264 0 200
3 13956435636 192.196.100.3 132 1512 200
4 13966251146 192.168.100.1 240 0 404
5 18271575951 192.168.100.2 www.atguigu.com 1527 2106 200
6 84188413 192.168.100.3 www.atguigu.com 4116 1432 200
7 13590439668 192.168.100.4 1116 954 200
8 15910133277 192.168.100.5 www.hao123.com 3156 2936 200
9 13729199489 192.168.100.6 240 0 200
10 13630577991 192.168.100.7 www.shouhu.com 6960 690 200
11 15043685818 192.168.100.8 www.baidu.com 3659 3538 200
12 15959002129 192.168.100.9 www.atguigu.com 1938 180 500
13 13560439638 192.168.100.10 918 4938 200
14 13470253144 192.168.100.11 180 180 200
15 13682846555 192.168.100.12 www.qq.com 1938 2910 200
16 13992314666 192.168.100.13 www.gaga.com 3008 3720 200
17 13509468723 192.168.100.14 www.qinghua.com 7335 110349 404
18 18390173782 192.168.100.15 www.sogou.com 9531 2412 200
19 13975057813 192.168.100.16 www.baidu.com 11058 48243 200
20 13768778790 192.168.100.17 120 120 200
21 13568436656 192.168.100.18 www.alibaba.com 2481 24681 200
22 13568436656 192.168.100.19 1116 954 200
输入数据格式：
7 13560436666 120.196.100.99 1116 954 200
id 手机号码 网络ip 上行流量 下行流量 网络状态码输出数据格式：
13560436666 1116 954 2070
手机号码 上行流量 下行流量 总流量
2.需求分析
1.需求：统计每一个手机号耗费的总上行流量、下行流量、总流量2.输入数据格式：
7 13560436666 120.196.100.99 1116 954 200
id 手机号码 网络ip 上行流量 下行流量 网络状态码3.输出数据格式：
13560436666 1116 954 2070
手机号码 上行流量 下行流量 总流量4.Map阶段
(1)读取一行数据，切分字段
7 13560436666 120.196.100.99 1116 954 200
(2)抽取手机号、上行流量、下行流量
13560436666 1116 954
(3)以手机号key,bean对象为value输出，即context.write(手机号,bean) 注：bean对象实现序列化才能传输5.Reduce阶段
累加上行流量和下行流量得到总流量
13560436666 1116 + 954 = 2070
手机号码 上行流量 下行流量 总流量
3.编程实现
创建包名：com.yingzi.mapreduce.writable
3.1.创建Bean类
package com.yingzi.mapreduce.writable;/*** @author 影子* @create 2022-01-13-15:57**/import org.apache.hadoop.io.Writable;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;/*** 1、定义类实现writable接口* 2、重写序列化和反序列化方法* 3、重写空参构造* 4、toString方法*/
public class FlowBean implements Writable {private long upFlow; //上行流量private long downFlow; //下行流量private long sumFlow; //总流量// 空参构造public FlowBean(){}public long getUpFlow() {return upFlow;}public void setUpFlow(long upFlow) {this.upFlow = upFlow;}public long getDownFlow() {return downFlow;}public void setDownFlow(long downFlow) {this.downFlow = downFlow;}public long getSumFlow() {return sumFlow;}public void setSumFlow(long sumFlow) {this.sumFlow = sumFlow;}public void setSumFlow() {this.sumFlow = this.upFlow + this.downFlow;}@Overridepublic void write(DataOutput dataOutput) throws IOException {dataOutput.writeLong(upFlow);dataOutput.writeLong(downFlow);dataOutput.writeLong(sumFlow);}@Overridepublic void readFields(DataInput dataInput) throws IOException {this.upFlow = dataInput.readLong();this.downFlow = dataInput.readLong();this.sumFlow = dataInput.readLong();}@Overridepublic String toString() {return upFlow + "\t" + downFlow + "\t" + sumFlow;}
}
3.2.创建Mapper类
package com.yingzi.mapreduce.writable;import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;/*** @author 影子* @create 2022-01-13-16:12**/
public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {private Text outK = new Text();private FlowBean outV = new FlowBean();@Overrideprotected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, FlowBean>.Context context) throws IOException, InterruptedException {// 1.获取一行// 1 13736230513 192.196.100.1 www.atguigu.com 2481 24681 200String line = value.toString();// 2.切割// 1,13736230513,192.196.100.1,www.atguigu.com 2481,24681,200String[] split = line.split("\t");// 3.抓取想要的数据// 手机号：13736230513// 上行流量：2481 下行流量：24681String phone = split[1];String up = split[split.length - 3];String down = split[split.length - 2];// 4.封装outK.set(phone);outV.setUpFlow(Long.parseLong(up));outV.setDownFlow(Long.parseLong(down));outV.setSumFlow();// 5.写出context.write(outK,outV);}
}
3.3.创建Reducer类
package com.yingzi.mapreduce.writable;import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;/*** @author 影子* @create 2022-01-13-16:32**/
public class FlowReducer extends Reducer<Text,FlowBean,Text,FlowBean>{private FlowBean outV = new FlowBean();@Overrideprotected void reduce(Text key, Iterable<FlowBean> values, Reducer<Text, FlowBean, Text, FlowBean>.Context context) throws IOException, InterruptedException {// 1.遍历集合累加值long totalUp = 0;long totalDown = 0;for (FlowBean value : values) {totalUp += value.getUpFlow();totalDown += value.getDownFlow();}// 2.封装outK,outVoutV.setUpFlow(totalUp);outV.setDownFlow(totalDown);outV.setSumFlow();// 3.写出context.write(key,outV);}
}
3.4.创建Driver类
package com.yingzi.mapreduce.writable;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;/*** @author 影子* @create 2022-01-13-16:40**/
public class FlowDriver {public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {// 1.获取jobConfiguration conf = new Configuration();Job job = Job.getInstance(conf);// 2.设置jarjob.setJarByClass(FlowDriver.class);// 3.关联Mapper、Reducerjob.setMapperClass(FlowMapper.class);job.setReducerClass(FlowReducer.class);// 4.设置mapper,输出的key和value类型job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(FlowBean.class);// 5.设置最终数据输出的key和value类型job.setOutputKeyClass(Text.class);job.setOutputValueClass(FlowBean.class);// 6.设置数据的输入和输出路径FileInputFormat.setInputPaths(job,new Path("G:\\计算机资料\\大数据开发\\尚硅谷大数据技术之Hadoop3.x\\资料\\11_input\\inputflow"));FileOutputFormat.setOutputPath(job,new Path("G:\\计算机资料\\大数据开发\\尚硅谷大数据技术之Hadoop3.x\\资料\\_output\\output1"));// 7.提交jobboolean result = job.waitForCompletion(true);System.exit(result ? 0:1);}
}
4.查看结果
说明：上传至集群同第一个案例最后操作一样，就不再操作了
链接如下：https://blog.csdn.net/mynameisgt/article/details/122484444
第二个案例实操——创建Bean类相关推荐
- MapReduce入门（一）—— MapReduce概述 + WordCount案例实操
MapReduce入门(一)-- MapReduce概述 文章目录 MapReduce入门(一)-- MapReduce概述 1.1 MapReduce 定义 1.2 MapReduce 优缺点 1. ...
- 自定义OutputFormat案例实操
自定义OutputFormat案例实操 文章目录 1)需求 2)需求分析 3)编程实现 1.创建Mapper类 2.创建Reducer类 3.创建OutputFormat类 4.创建RecordWri ...
- Azkaban配置Work Flow案例实操
Work Flow案例实操 目录 Work Flow案例实操 1. Yarm语法简介 2. HelloWorld案例 3. JavaProcess案例 4. 作业依赖案例 5. 自动失败重试案例 6. ...
- 2. WordCount案例实操
文章目录 WordCount案例实操 1. 官方WordCount源码 2. 常用数据序列化类型 3. MapReduce编程规范 3.1 Mapper阶段 3.2 Reducer阶段 3.3 Dri ...
- 大数据培训课程WordCount案例实操
WordCount案例实操 1．需求 在给定的文本文件中统计输出每一个单词出现的总次数 (1)输入数据 (2)期望输出数据 atguigu 2 banzhang 1 cls 2 hadoop ...
- 尚硅谷大数据技术Spark教程-笔记09【SparkStreaming（概念、入门、DStream入门、案例实操、总结）】
尚硅谷大数据技术-教程-学习路线-笔记汇总表[课程资料下载] 视频地址:尚硅谷大数据Spark教程从入门到精通_哔哩哔哩_bilibili 尚硅谷大数据技术Spark教程-笔记01[SparkCore ...
- 大数据之Spark案例实操完整使用(第六章)
大数据之Spark案例实操完整使用 一.案例一 1.准备数据 2.需求 1:Top10 热门品类 3.需求说明 方案一. 实现方案二 实现方案三 二 .需求实现 1.需求 2:Top10 热门品类中每 ...
- Spark转换算子大全以及案例实操
1.RDD 转换算子 RDD转换算子实际上就是换了名称的RDD方法 RDD 根据数据处理方式的不同将算子整体上分为 Value 类型.双 Value 类型和 Key-Value 类型 算子:Opera ...
- GroupingComparator分组（辅助排序）的作用以及GroupingComparator分组案例实操
问题分析: partioner是在MapTask阶段将数据写入环形缓冲区中进行的分区操作,其目的是为了划分出几个结果文件(ReduceTask,但是partioner必须小于ReduceTask个数) ...
最新文章
- VMware 主机基板管理控制器的状态
- Microsoft 365及应用开发的未来：微软BUILD 2018大会第二天主题演讲
- ubuntu16.04 server unrar解压rar文件提示command not found和解压tar.bz2文件
- ssdt 表结构及hook的一般理解
- HTML与CSS基础之伪元素(五)
- 80-30-010-原理-React模式-简介
- DB2 V9 默认帐户信息和服务启动信息
- 逻辑删除用户后 用户名重复怎么办？
- python判断密码强度并输出_Python实现的密码强度检测器示例
- Excel从右向左查找
- MySQL授权root
- 准备学Java的同学看过来，初学者入门必备!
- 常用免费DEM数据汇总（含下载使用方法）
- 超定方程组的最小二乘解
- 【冬瓜哥雄文】高端存储系统江湖风云录！
- spark入门教程（3）--Spark 核心API开发
- win10无限蓝屏_Win10升级系统后蓝屏或无限重启解决办法
- 阿里云DMS添加ECS自建数据库
- python PIL获取图片像素点
- 鲸发卡11.02免授权版本