首页 > 代码库 > Hadoop日记Day13---使用hadoop自定义类型处理手机上网日志
Hadoop日记Day13---使用hadoop自定义类型处理手机上网日志
测试数据的下载地址为:http://pan.baidu.com/s/1gdgSn6r
一、文件分析
首先可以用文本编辑器打开一个HTTP_20130313143750.dat的二进制文件,这个文件的内容是我们的手机日志,文件的内容已经经过了优化,格式比较规整,便于学习研究,感兴趣的读者可以尝试一下。
我从中截取文件中的一行记录内容进行分析:
1363157985066 13726230503 00-FD-07-A4-72-B8:CMCC 120.196.100.82 i02.c.aliimg.com
2 4 27 2 481 24681 200
该日志文件的每个记录,一共有11个字段每个字段的含义如下图1.1所示。
图 1.1
二、思路分析
我们要统计这个文件中,同一手机号的流量汇总。而我们可以从图1.1中发现,记录中有四个字段以不同的形式表示手机的流量,这时你会想到什么呢?-----那就是面向对象的概念,我们可以自定义一个类来代表一个自定义类型去包含这几个值,用类中的属性,来表示这几个字段,来方面我们对数据的操作。
现在我们按照MapReduce的分布式计算模型,分析一下如何实现我们的任务。首先我们有未经过处理的原始文件(相当于<k1,v1>),这个文件里存储着我需要的数据就是,那就是一个手机的流量的汇总数据(相当于<k3,v3>),而要从原始数据获得我们最终想要的数据,这中间需要经过一个过程,对原始数据进行初步加工处理,形成中间结果(相当于<k2,V2>),而<K2,V2>这时候代表什么呢?不难看出,将所有的原始数据经过map()函数的分组排序处理后,得到一个中间结果,这个中间结果是一个键值对<K2,V2>,而这里的K2应该就是电话号码,V2就是我们的自定义类型表示手机流量,最后将中间数据经过reduce()函数的归一化处理,得到我们的最终结果。
三、编程实现
1. 代码如下
1 package mapreduce; 2 3 import java.io.DataInput; 4 import java.io.DataOutput; 5 import java.io.IOException; 6 7 import org.apache.hadoop.conf.Configuration; 8 import org.apache.hadoop.fs.Path; 9 import org.apache.hadoop.io.LongWritable; 10 import org.apache.hadoop.io.Text; 11 import org.apache.hadoop.io.Writable; 12 import org.apache.hadoop.mapreduce.Job; 13 import org.apache.hadoop.mapreduce.Mapper; 14 import org.apache.hadoop.mapreduce.Reducer; 15 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 16 import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; 17 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 18 import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; 19 import org.apache.hadoop.mapreduce.lib.partition.HashPartitioner; 20 21 public class KpiApp { 22 static final String INPUT_PATH = "hdfs://hadoop:9000/wlan"; 23 static final String OUT_PATH = "hdfs://hadoop:9000/out"; 24 public static void main(String[] args) throws Exception{ 25 final Job job = new Job(new Configuration(), KpiApp.class.getSimpleName()); 26 27 FileInputFormat.setInputPaths(job, INPUT_PATH);//1.1 指定输入文件路径 28 29 job.setInputFormatClass(TextInputFormat.class);//指定哪个类用来格式化输入文件 30 31 job.setMapperClass(MyMapper.class);//1.2指定自定义的Mapper类 32 33 job.setMapOutputKeyClass(Text.class);//指定输出<k2,v2>的类型 34 job.setMapOutputValueClass(KpiWritable.class); 35 36 job.setPartitionerClass(HashPartitioner.class);//1.3 指定分区类 37 job.setNumReduceTasks(1); 38 39 //1.4 TODO 排序、分区 40 41 //1.5 TODO (可选)合并 42 43 job.setReducerClass(MyReducer.class);//2.2 指定自定义的reduce类 44 45 job.setOutputKeyClass(Text.class);//指定输出<k3,v3>的类型 46 job.setOutputValueClass(KpiWritable.class); 47 48 FileOutputFormat.setOutputPath(job, new Path(OUT_PATH));//2.3 指定输出到哪里 49 50 job.setOutputFormatClass(TextOutputFormat.class);//设定输出文件的格式化类 51 52 job.waitForCompletion(true);//把代码提交给JobTracker执行 53 } 54 55 static class MyMapper extends Mapper<LongWritable, Text, Text, KpiWritable>{ 56 protected void map(LongWritable key, Text value, org.apache.hadoop.mapreduce.Mapper<LongWritable,Text,Text,KpiWritable>.Context context) throws IOException ,InterruptedException { 57 final String[] splited = value.toString().split("\t"); 58 final String msisdn = splited[1]; 59 final Text k2 = new Text(msisdn); 60 final KpiWritable v2 = new KpiWritable(splited[6],splited[7],splited[8],splited[9]); 61 context.write(k2, v2); 62 }; 63 } 64 65 static class MyReducer extends Reducer<Text, KpiWritable, Text, KpiWritable>{ 66 /** 67 * @param k2 表示整个文件中不同的手机号码 68 * @param v2s 表示该手机号在不同时段的流量的集合 69 */ 70 protected void reduce(Text k2, java.lang.Iterable<KpiWritable> v2s, org.apache.hadoop.mapreduce.Reducer<Text,KpiWritable,Text,KpiWritable>.Context context) throws IOException ,InterruptedException { 71 long upPackNum = 0L; 72 long downPackNum = 0L; 73 long upPayLoad = 0L; 74 long downPayLoad = 0L; 75 76 for (KpiWritable kpiWritable : v2s) { 77 upPackNum += kpiWritable.upPackNum; 78 downPackNum += kpiWritable.downPackNum; 79 upPayLoad += kpiWritable.upPayLoad; 80 downPayLoad += kpiWritable.downPayLoad; 81 } 82 83 final KpiWritable v3 = new KpiWritable(upPackNum+"", downPackNum+"", upPayLoad+"", downPayLoad+""); 84 context.write(k2, v3); 85 }; 86 } 87 } 88 89 class KpiWritable implements Writable{ 90 long upPackNum; 91 long downPackNum; 92 long upPayLoad; 93 long downPayLoad; 94 95 public KpiWritable(){} 96 97 public KpiWritable(String upPackNum, String downPackNum, String upPayLoad, String downPayLoad){ 98 this.upPackNum = Long.parseLong(upPackNum); 99 this.downPackNum = Long.parseLong(downPackNum);100 this.upPayLoad = Long.parseLong(upPayLoad);101 this.downPayLoad = Long.parseLong(downPayLoad);102 }103 104 105 @Override106 public void readFields(DataInput in) throws IOException {107 this.upPackNum = in.readLong();108 this.downPackNum = in.readLong();109 this.upPayLoad = in.readLong();110 this.downPayLoad = in.readLong();111 }112 113 @Override114 public void write(DataOutput out) throws IOException {115 out.writeLong(upPackNum);116 out.writeLong(downPackNum);117 out.writeLong(upPayLoad);118 out.writeLong(downPayLoad);119 }120 121 @Override122 public String toString() {123 return upPackNum + "\t" + downPackNum + "\t" + upPayLoad + "\t" + downPayLoad;124 }125 }
2 .运行结果如下
图 3.1
Hadoop日记Day13---使用hadoop自定义类型处理手机上网日志