Hadoop 案例4----平均成绩
来源:互联网 发布:安卓蓝牙调试助手 源码 编辑:程序博客网 时间:2024/05/29 17:53
1、需求分析
对输入文件中数据进行就算学生平均成绩。输入文件中的每行内容均为一个学生的姓名和他相应的成绩,如果有多门学科,则每门学科为一个文件。
要求在输出中每行有两个间隔的数据,其中,第一个代表学生的姓名,第二个代表其平均成绩。
2、原始数据
1)math:
张三 88李四 99王五 66赵六 77
2)china:
张三 78李四 89王五 96赵六 67
3)english:
张三 80李四 82王五 84赵六 86
3、设计思考
Map处理的 是一个纯文本文件, 文件中存放的数据时每一行表示一个学生的姓名和他相应一科成绩。Mapper处理的数据是由InputFormat分解过的数据集,其中 InputFormat的作用是将数据集切割成小数据集InputSplit,每一个InputSplit将由一个Mapper负责处理。此 外,InputFormat中还提供了一个RecordReader的实现,并将一个InputSplit解析成<key,value>
对提 供给了map函数。InputFormat的默认值是TextInputFormat,它针对文本文件,按行将文本切割成InputSlit,并用 LineRecordReader将InputSplit解析成<key,value>
对,key是行在文本中的位置,value是文件中的 一行。
Map的结果会通过partion分发到Reducer,Reducer做完Reduce操作后,将通过以格式OutputFormat输出。
Mapper最终处理的结果对<key,value>
,会送到Reducer中进行合并,合并的时候,有相同key的键/值对则送到同一个 Reducer上。
Reducer是所有用户定制Reducer类地基础,它的输入是key和这个key对应的所有value的一个迭代器,同时还有 Reducer的上下文。
Reduce的结果由Reducer.Context的write方法输出到文件中。
4.Mapper程序:
package cn.edu.bjut.average;import java.io.IOException;import org.apache.hadoop.io.DoubleWritable;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class AverageMapper extends Mapper<LongWritable, Text, Text, DoubleWritable>{ @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { String line = value.toString().trim(); String[] vals = line.split("\t"); if(2 == vals.length) { String name = vals[0]; double score = Double.parseDouble(vals[1]); context.write(new Text(name), new DoubleWritable(score)); } }}
5.Reducer程序:
package cn.edu.bjut.average;import java.io.IOException;import org.apache.hadoop.io.DoubleWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Reducer;public class AverageReducer extends Reducer<Text, DoubleWritable, Text, DoubleWritable>{ @Override protected void reduce(Text key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException { double allScore = 0, averageScore = 0, sum = 0; for(DoubleWritable score : values) { allScore += score.get(); sum += 1; } if(sum != 0) { averageScore = allScore/sum; } context.write(key, new DoubleWritable(averageScore)); }}
6.主程序:
package cn.edu.bjut.average;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.DoubleWritable;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;public class MainJob { public static void main(String[] args) throws Exception { Configuration conf = new Configuration(); Job job = new Job(conf, "average"); job.setJarByClass(MainJob.class); job.setMapperClass(AverageMapper.class); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(DoubleWritable.class); job.setReducerClass(AverageReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(DoubleWritable.class); FileInputFormat.addInputPath(job, new Path(args[0])); Path path = new Path(args[1]); FileSystem fs = FileSystem.get(conf); if(fs.exists(path)) { fs.delete(path, true); } FileOutputFormat.setOutputPath(job, path); job.waitForCompletion(true); }}
- Hadoop 案例4----平均成绩
- hadoop 计算平均成绩
- Hadoop中求平均成绩
- hadoop编程实例--平均成绩
- Hadoop经典案例Spark实现(四)——平均成绩
- MR案例之实现平均成绩
- Hadoop MapReduce之学生平均成绩
- 平均成绩
- 平均成绩
- MapReduce初级案例(3):使用MapReduce实现平均成绩
- 我的hadoop初学程序--------AverageScore--------------平均成绩
- hadoop学习之第二个程序求平均成绩。
- Hadoop(三)——利用MapReduce求平均成绩
- 案例:利用累加器计算前N个学生的总成绩和平均成绩
- 最高成绩,最低成绩,平均成绩处理
- 学生平均成绩
- hdu求平均成绩
- hdu_2023_求平均成绩
- JAVA 二叉树遍历
- 数据结构 - 图
- 翻转单词顺序
- 黑马程序员java之反射
- Android ADT 中的项目迁移到 Android Studio出现编码乱码问题
- Hadoop 案例4----平均成绩
- 黑马程序员——总集篇
- mysql安装后配置
- ToggleButton,Switch,RatingBar的使用
- php fgets函数读取多余的空格解决
- ufldl 深度学习入门 第一发:基于BP网络实现稀疏自编码器
- C++IO库
- HDU5237 Base64 大模拟
- android本地轻量级缓存