使用mapreduce进行流量汇总程序开发

来源：互联网发布：帝国cms图片替换地址编辑：程序博客网时间：2024/06/05 05:08

现有文件关于流量文件内容如下

1363157985066   13726230503 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com        24  27  2481    24681   2001363157995052   13826544101 5C-0E-8B-C7-F1-E0:CMCC  120.197.40.4            4   0   264 0   2001363157991076   13926435656 20-10-7A-28-CC-0A:CMCC  120.196.100.99          2   4   132 1512    2001363154400022   13926251106 5C-0E-8B-8B-B1-50:CMCC  120.197.40.4            4   0   240 0   2001363157993044   18211575961 94-71-AC-CD-E6-18:CMCC-EASY 120.196.100.99  iface.qiyi.com  视频网站    15  12  1527    2106    2001363157995074   84138413    5C-0E-8B-8C-E8-20:7DaysInn  120.197.40.4    122.72.52.12        20  16  4116    1432    2001363157993055   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          18  15  1116    954 2001363157995033   15920133257 5C-0E-8B-C7-BA-20:CMCC  120.197.40.4    sug.so.360.cn   信息安全    20  20  3156    2936    2001363157983019   13719199419 68-A1-B7-03-07-B1:CMCC-EASY 120.196.100.82          4   0   240 0   2001363157984041   13660577991 5C-0E-8B-92-5C-20:CMCC-EASY 120.197.40.4    s19.cnzz.com    站点统计    24  9   6960    690 2001363157973098   15013685858 5C-0E-8B-C7-F7-90:CMCC  120.197.40.4    rank.ie.sogou.com   搜索引擎    28  27  3659    3538    2001363157986029   15989002119 E8-99-C4-4E-93-E0:CMCC-EASY 120.196.100.99  www.umeng.com   站点统计    3   3   1938    180 2001363157992093   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          15  9   918 4938    2001363157986041   13480253104 5C-0E-8B-C7-FC-80:CMCC-EASY 120.197.40.4            3   3   180 180 2001363157984040   13602846565 5C-0E-8B-8B-B6-00:CMCC  120.197.40.4    2052.flash2-http.qq.com 综合门户    15  12  1938    2910    2001363157995093   13922314466 00-FD-07-A2-EC-BA:CMCC  120.196.100.82  img.qfc.cn      12  12  3008    3720    2001363157982040   13502468823 5C-0A-5B-6A-0B-D4:CMCC-EASY 120.196.100.99  y0.ifengimg.com 综合门户    57  102 7335    110349  2001363157986072   18320173382 84-25-DB-4F-10-1A:CMCC-EASY 120.196.100.99  input.shouji.sogou.com  搜索引擎    21  18  9531    2412    2001363157990043   13925057413 00-1F-64-E1-E6-9A:CMCC  120.196.100.55  t3.baidu.com    搜索引擎    69  63  11058   48243   2001363157988072   13760778710 00-FD-07-A4-7B-08:CMCC  120.196.100.82          2   2   120 120 2001363157985066   13726238888 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com        24  27  2481    24681   2001363157993055   13560436666 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99          18  15  1116    954 200...

其中第二列表示手机号，倒数第三列表示上下流量，倒数第二列表示下行流量。
要求：统计每个用户（手机号）所耗费的上、下行流量以及总流量。
分析：
map()：取出一行信息，切分，取出手机号，上下行流量（封装到一个bean中）。写出context.write(手机号，bean)。
reduce()：拿到一个号码对应的value（迭代器），分别取出bean计算上下行以及总流量。最终封装到bean中，写出context.write(手机号，bean)。
程序实现
为了方便就写在了一个类里面

public class Flowcount {    /**     * KEYIN：默认情况下，是mr框架所读到的一行文本的起始偏移量，Long，但是在hadoop中有自己的     * 更精简的序列化接口(Seria会将类结构都序列化，而实际我们只需要序列化数据)，所以不直接用Long，而用LongWritable     * VALUEIN：默认情况下，是mr框架所读到的一行文本的内容，String,同上，用Text     * KEYOUT：是用户自定义逻辑处理完成之后输出数据中的key     * VALUEOUT：是用户自定义逻辑处理完成之后输出数据中的value     * @author 12706     *     */    static class FlowcountMapper extends Mapper<LongWritable, Text, Text, FlowBean>{        @Override        protected void map(LongWritable key, Text value, Context context)                throws IOException, InterruptedException {            //输入为1234    23455   33333   33333(中间是制表符)            //第二列为手机号，倒数第二列为下行流量，倒数第三列为上行流量            String line = value.toString();            String[] values = line.split("\t");            //获取手机号            String phoneNum = values[1];            //获取上行流量下行流量            long upFlow = new Long(values[values.length-3]);            long downFlow = new Long(values[values.length-2]);            //封装好后写出到输出收集器            context.write(new Text(phoneNum), new FlowBean(upFlow,downFlow));        }    }    /**     * KEYIN VALUEIN对应mapper输出的KEYOUT KEYOUT类型对应     * KEYOUT,VALUEOUT：是自定义reduce逻辑处理结果的输出数据类型     * KEYOUT     * VALUEOUT     * @author 12706     *     */    static class FlowcountReducer extends Reducer<Text, FlowBean, Text, FlowBean>{        @Override        protected void reduce(Text key, Iterable<FlowBean> beans,Context context)                throws IOException, InterruptedException {            //传进来的实例<13345677654,beans>,即多个该电话的键值对            //取出values获得上下行和总流量求和            long upFlow = 0;            long downFlow = 0;            for (FlowBean flowBean : beans) {                upFlow += flowBean.getUpFlow();                downFlow += flowBean.getDownFlow();            }            context.write(key, new FlowBean(upFlow,downFlow));        }    }    /**     * 相当于一个yarn集群的客户端     * 需要在此封装mr程序的相关运行参数，指定jar包     * 最后提交给yarn     * @author 12706     * @param args     * @throws Exception     *     */    public static void main(String[] args) throws Exception {        Configuration conf = new Configuration();        Job job = Job.getInstance(conf);        job.setJarByClass(Flowcount.class);        //指定本业务job要使用的mapper,reducer业务类        job.setMapperClass(FlowcountMapper.class);        job.setReducerClass(FlowcountReducer.class);        //虽然指定了泛型，以防框架使用第三方的类型                //指定mapper输出数据的kv类型        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(FlowBean.class);        //指定最终输出的数据的kv类型        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(FlowBean.class);        //指定job输入原始文件所在位置        FileInputFormat.setInputPaths(job, new Path(args[0]));        //指定job输入原始文件所在位置        FileOutputFormat.setOutputPath(job,new Path(args[1]));        //将job中配置的相关参数以及job所用的java类所在的jar包，提交给yarn去运行        boolean b = job.waitForCompletion(true);        System.exit(b?0:1);    }}

public class FlowBean implements Writable{    private long upFlow;//上行流量    private long downFlow;//下行流量    private long totalFlow;//总流量    //序列化时需要无参构造方法    public FlowBean() {    }    public FlowBean(long upFlow, long downFlow) {        this.upFlow = upFlow;        this.downFlow = downFlow;        this.totalFlow = upFlow + downFlow;    }    //序列化方法 hadoop的序列化很简单，要传递的数据写出去即可    public void write(DataOutput out) throws IOException {        out.writeLong(upFlow);        out.writeLong(downFlow);        out.writeLong(totalFlow);    }    //反序列化方法 注意：反序列化的顺序跟序列化的顺序完全一致    public void readFields(DataInput in) throws IOException {        this.upFlow = in.readLong();        this.downFlow = in.readLong();        this.totalFlow = in.readLong();    }    //重写toString以便展示    @Override    public String toString() {        return upFlow + "\t" + downFlow + "\t" + totalFlow;    }    get，set方法}

流量汇总测试：
将这个工程打成jar包flowcount.jar(右击工程选择export再选jar file选项)放在本地，将打好的jar包上传到linux，将上面需要汇总的文件也也传到linux（名字叫flow.data）,创建输入文件目录将文件上传。

创建目录[root@mini2 ~]# hadoop fs -mkdir -p /flowcount/input需要汇总的文件上传[root@mini2 ~]# hadoop fs -put -flow.data /flowcount/input运行[root@mini2 ~]# hadoop jar flowcount.jar com.scu.hadoop.mr.Flowcount /flowcount/input /flowcount/output

查看目录结构和输出文件汇总结果

[root@mini2 ~]# hadoop fs -ls /flowcount/output/-rw-r--r--   2 root supergroup          0 2017-10-09 07:11 /flowcount/output/_SUCCESS-rw-r--r--   2 root supergroup        551 2017-10-09 07:11 /flowcount/output/part-r-00000[root@mini2 ~]# hadoop fs -cat /flowcount/output/part-r-0000013480253104     180     180     36013502468823     7335    110349  11768413560436666     1116    954     207013560439658     2034    5892    792613602846565     1938    2910    484813660577991     6960    690     765013719199419     240     0       24013726230503     2481    24681   2716213726238888     2481    24681   2716213760778710     120     120     24013826544101     264     0       26413922314466     3008    3720    672813925057413     11058   48243   5930113926251106     240     0       24013926435656     132     1512    164415013685858     3659    3538    719715920133257     3156    2936    609215989002119     1938    180     211818211575961     1527    2106    363318320173382     9531    2412    1194384138413        4116    1432    5548

阅读全文

0 0