MapReduce编程：数据过滤保存、UID 去重-阿里云开发者社区

MapReduce编程：数据过滤保存、UID 去重

2024-01-04 75

版权

本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。

简介： MapReduce编程：数据过滤保存、UID 去重

MapReduce编程：数据过滤保存、UID 去重

一、实验目标

熟练掌握Mapper类，Reducer类和main函数的编写
熟练掌握在本地测试方法
熟练掌握集群上进行分布式程序测试
掌握用户UID去重实现方法
掌握MapReduce数据过滤方法

二、实验要求及注意事项

给出每个实验的主要实验步骤、实现代码和测试效果截图。
对本次实验工作进行全面的总结分析。
所有程序需要本地测试和集群测试，给出相应截图。
建议工程名，类名或包名等做适当修改，显示个人学号或者姓名
注意：sogou.txt文件上传到HDFS

三、实验内容及步骤

实验任务1：数据过滤及保存，输入文件为搜狗日志文件（公共目录下数据文件/experiment/sogou.txt上传到HDFS的根目录），对输入的每行数据做判断，只把搜索的关键词中包含数字的用户uid和关键词输出到HDFS上。展示结果为成功过滤出搜索关键词包含数字的用户ID和其搜索的关键词，如图所示：

主要实现步骤和运行效果图：

（1）进入虚拟机并启动Hadoop集群，完成文件上传。

（2）启动Eclipse客户端，新建一个java工程；在该工程中创建package，导入jar包，完成环境配置，依次创建包、Mapper类，Reducer类和主类等；

（3）完成代码编写。

Map

package com.wjw.hadoop;
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class WjwMap extends Mapper<Object, Text, Text, Text>{
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException{
        String [] str = value.toString().split("\t");
        if(str != null && str.length == 6){
            String keyword = str[2];
            String uid = str[1];
            if(keyword.matches(".*\\d+.*")){
                context.write(new Text(uid), new Text(keyword));
            }
        }
    }
}

Reduce

package com.wjw.hadoop;
import java.io.IOException;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WjwReduce extends Reducer< Text, Text,  Text, Text>{
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException{
        for (Text val:values){
            context.write(key, val);
        }
    }
}

Main

package com.wjw.hadoop;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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 WjwMain {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{
        if(null == args || args.length != 2){
            System.err.println("<Usage>:WjwMain need <input> <output>");
            System.exit(1);
        }
        String in = args[0];
        String out = args[1];
        Configuration conf = new Configuration();
        Job job = new Job(conf, "WjwMain");
        job.setJarByClass(WjwMain.class);
        job.setMapperClass(WjwMap.class);
        job.setReducerClass(WjwReduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        FileInputFormat.addInputPath(job, new Path(in));
        FileOutputFormat.setOutputPath(job, new Path(out));
        System.exit(job.waitForCompletion(true)?0:1);
    }
}

（4）测试程序，并查看输出结果。

实验任务2：使用mapreduce编程，统计sogou.txt文件中所有去重后的用户UID，实现效果如图1所示。2.MapReduce编程：UID去重，完成打印sogou日志中独立uid，展示的结果为sogou.txt文件中所有去重后的用户UID。实现效果如下图所示：

主要实现步骤和运行效果图：

（1）进入虚拟机并启动Hadoop集群，完成文件上传。

（2）启动Eclipse客户端，新建一个java工程；在该工程中创建package，导入jar包，完成环境配置，依次创建包、Mapper类，Reducer类和主类等；

（3）完成代码编写。

UidMap

package com.wjw.hadoop;
import java.io.IOException;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
public class WjwUidMap extends Mapper<Object, Text, Text, NullWritable>{
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException{
        String [] arr = value.toString().split("\t");
        String uid = arr[1];
        context.write(new Text(uid), NullWritable.get());
    }
}

UidReduce

package com.wjw.hadoop;
import java.io.IOException;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
public class WjwUidReduce extends Reducer< Text, NullWritable, Text, NullWritable>{
    protected void reduce(Text key, Iterable<NullWritable> values, Context context) throws IOException, InterruptedException{
        context.write(key, NullWritable.get());
    }
}

UidMain

package com.wjw.hadoop;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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 WjwUidMain {
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{
        if(null == args || args.length != 2){
            System.err.println("<Usage>:WjwUidMain need <input> <output>");
            System.exit(1);
        }
        String in = args[0];
        String out = args[1];
        Configuration conf = new Configuration();
        Job job = new Job(conf, "WjwUidMain");
        job.setJarByClass(WjwUidMain.class);
        job.setMapperClass(WjwUidMap.class);
        job.setReducerClass(WjwUidReduce.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);
        FileInputFormat.addInputPath(job, new Path(in));
        FileOutputFormat.setOutputPath(job, new Path(out));
        System.exit(job.waitForCompletion(true)?0:1);
    }
}

（4）测试程序，并查看输出结果。

实验任务3：使用Java API编程实现创建一个目录，删除一个目录，读文件和两个写文件的函数，其中一个写文件函数，用于将磁盘文件内容写入到HDFS一个自定义文件中，另一个写文件函数，将HDFS中一个目录下的文件内容写入到HDFS中另一个目录文件中。文件名字自拟。要求将所有函数封装到同一个类中，在主函数中调用，进行测试。

主要实现步骤和运行效果图：

（1）进入虚拟机并启动Hadoop集群，完成文件上传。

（2）启动Eclipse客户端，新建一个java工程；在该工程中创建package，导入jar包，完成环境配置，依次创建包、Mapper类，Reducer类和主类等；

（3）完成代码编写。

Main

package hadoop;
import java.io.BufferedInputStream; 
import java.io.FileInputStream;
import java.io.IOException; 
import java.net.URI;
import org.apache.hadoop.conf.Configuration; 
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.FileSystem; 
import org.apache.hadoop.fs.Path; 
import org.apache.hadoop.io.IOUtils;
public class WjwFile {
public static void Read(String[] args) throws IOException {
    Configuration conf = new Configuration();
    conf.set("fs.defaultFS", "hdfs://master:9000");
    FileSystem fs = null;
    FSDataInputStream in =null;
    fs = FileSystem.get(conf);
    in = fs.open(new Path(args[2]));
    IOUtils.copyBytes(in, System.out, 4096, false);
}
public static void Write1(String[] args) throws IOException {
    Configuration conf = new Configuration();
    BufferedInputStream in = null;
    FileSystem fs = null;
    FSDataOutputStream out = null;
    in = new BufferedInputStream(new FileInputStream(args[1]));
    fs = FileSystem.get(URI.create(args[2]), conf);
    out = fs.create(new Path(args[2]));
    IOUtils.copyBytes(in, out, 4096, false);
}
public static void Write2(String[] args) throws IOException {
    Configuration conf = new Configuration();
    BufferedInputStream in = null;
    FileSystem fs = null;
    FSDataOutputStream out = null;
    Path path = new Path(args[2]);
    fs = FileSystem.get(URI.create(args[3]), conf);
    in = new BufferedInputStream(fs.open(path));
    out = fs.create(new Path(args[3]));
    IOUtils.copyBytes(in, out, 4096, false);
}
public static void Mkdir(String[] args) throws IOException {
    Configuration conf = new Configuration();
    FileSystem fs = null;
    fs = FileSystem.get(URI.create(args[0]), conf);
    fs.mkdirs(new Path(args[0]));
}
public static void Delete(String[] args) throws IOException {
    Configuration conf = new Configuration();
    FileSystem fs = null;
    fs = FileSystem.get(URI.create(args[0]), conf);
    fs.delete(new Path(args[0]), true);
}
public static void main(String[] args) throws IOException{
    Mkdir(args);
    System.out.println("Directory created.");
    Write1(args);
    System.out.println("File1 written.");
    Read(args);
    System.out.println("File read.");
    Write2(args);
    System.out.println("File2 written.");
    Delete(args);
    System.out.println("Directory deleted.");
    }
}

（4）测试程序，并查看输出结果。

MapReduce编程：数据过滤保存、UID 去重

MapReduce编程：数据过滤保存、UID 去重

一、实验目标

二、实验要求及注意事项

三、实验内容及步骤

热门文章

最新文章

相关课程

相关电子书

相关实验场景