MapReduce之流量汇总案例

简介: 现在我们采集到了一份用户访问流量的数据,我们需要从这份数据中统计出每个用户的流量数据。


流量汇总案例

1.需求

 现在我们采集到了一份用户访问流量的数据,我们需要从这份数据中统计出每个用户的流量数据。

image.png

部分测试数据如下:可以拷贝出去做测试

1363157985066   13726230503 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com    24  27  2481  24681 200
1363157995052   13826544101 5C-0E-8B-C7-F1-E0:CMCC  120.197.40.4      4 0 264 0 200
1363157991076   13926435656 20-10-7A-28-CC-0A:CMCC  120.196.100.99      2 4 132 1512  200
1363154400022   13926251106 5C-0E-8B-8B-B1-50:CMCC  120.197.40.4      4 0 240 0 200
1363157993044   18211575961 94-71-AC-CD-E6-18:CMCC-EASY 120.196.100.99  iface.qiyi.com  视频网站  15  12  1527  2106  200
1363157995074   84138413  5C-0E-8B-8C-E8-20:7DaysInn  120.197.40.4  122.72.52.12    20  16  4116  1432  200
1363157993055   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      18  15  1116  954 200
1363157995033   15920133257 5C-0E-8B-C7-BA-20:CMCC  120.197.40.4  sug.so.360.cn 信息安全  20  20  3156  2936  200
1363157983019   13719199419 68-A1-B7-03-07-B1:CMCC-EASY 120.196.100.82      4 0 240 0 200
1363157984041   13660577991 5C-0E-8B-92-5C-20:CMCC-EASY 120.197.40.4  s19.cnzz.com  站点统计  24  9 6960  690 200
1363157973098   15013685858 5C-0E-8B-C7-F7-90:CMCC  120.197.40.4  rank.ie.sogou.com 搜索引擎  28  27  3659  3538  200
1363157986029   15989002119 E8-99-C4-4E-93-E0:CMCC-EASY 120.196.100.99  www.umeng.com 站点统计  3 3 1938  180 200
1363157992093   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      15  9 918 4938  200
1363157986041   13480253104 5C-0E-8B-C7-FC-80:CMCC-EASY 120.197.40.4      3 3 180 180 200
1363157984040   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  200
1363157995093   13922314466 00-FD-07-A2-EC-BA:CMCC  120.196.100.82  img.qfc.cn    12  12  3008  3720  200
1363157982040   13502468823 5C-0A-5B-6A-0B-D4:CMCC-EASY 120.196.100.99  y0.ifengimg.com 综合门户  57  102 7335  110349  200
1363157986072   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  200
1363157990043   13925057413 00-1F-64-E1-E6-9A:CMCC  120.196.100.55  t3.baidu.com  搜索引擎  69  63  11058 48243 200
1363157988072   13760778710 00-FD-07-A4-7B-08:CMCC  120.196.100.82      2 2 120 120 200
1363157985066   13726238888 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com    24  27  2481  24681 200
1363157993055   13560436666 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      18  15  1116  954 200
1363157993055   13560436646 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      18  15  1116  954 200
1363157984041   13660573991 5C-0E-8B-92-5C-20:CMCC-EASY 120.197.40.4  s19.cnzz.com  站点统计  24  9 6960  690 200
1363157973098   15013685858 5C-0E-8B-C7-F7-90:CMCC  120.197.40.4  rank.ie.sogou.com 搜索引擎  28  27  3659  3538  200
1363157986029   15989102119 E8-99-C4-4E-93-E0:CMCC-EASY 120.196.100.99  www.umeng.com 站点统计  3 3 1938  180 200
1363157992093   13560439658 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      15  9 918 4938  200
1363157986041   13480453104 5C-0E-8B-C7-FC-80:CMCC-EASY 120.197.40.4      3 3 180 180 200
1363157984040   13602246565 5C-0E-8B-8B-B6-00:CMCC  120.197.40.4  2052.flash2-http.qq.com 综合门户  15  12  1938  2910  200
1363157995093   13922114466 00-FD-07-A2-EC-BA:CMCC  120.196.100.82  img.qfc.cn    12  12  3008  3720  200
1363157982040   13506468823 5C-0A-5B-6A-0B-D4:CMCC-EASY 120.196.100.99  y0.ifengimg.com 综合门户  57  102 7335  110349  200
1363157986072   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  200
1363157990043   13925047413 00-1F-64-E1-E6-9A:CMCC  120.196.100.55  t3.baidu.com  搜索引擎  69  63  11058 48243 200
1363157988072   13760758710 00-FD-07-A4-7B-08:CMCC  120.196.100.82      2 2 120 120 200
1363157985066   13726228888 00-FD-07-A4-72-B8:CMCC  120.196.100.82  i02.c.aliimg.com    24  27  2481  24681 200
1363157993055   13560416666 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      18  15  1116  954 200
1363157993055   13560436766 C4-17-FE-BA-DE-D9:CMCC  120.196.100.99      18  15  1116  954 200

2.需求分析

 Map阶段读取一行数据需要记录’上行流量’,‘下行流量’以及’总流量’,单个基本数据类型不方便保存,引入自定义对象保存,但需要序列化.

3.具体实现

3.1创建自定义对象

 注意需要实现序列化,此处我们实现Writable接口,重写相关的方法

package com.sxt.mr.flow;
import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;
import org.apache.hadoop.io.Writable;
/**
 * 存储流量相关数据
 * @author 波波烤鸭
 *
 */
public class Flow implements Writable {
  // 上下流量
  private long upFlow;
  // 下行流量
  private long downFlow;
  // 总流量
  private long sumFlow;
  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 Flow(long upFlow, long downFlow) {
    super();
    this.upFlow = upFlow;
    this.downFlow = downFlow;
    this.sumFlow = upFlow + downFlow;
  }
  /**
   * 无参构造方法必须要有 反射的时候需要用到
   */
  public Flow() {
    super();
  }
  /**
   * 序列化方法
   */
  @Override
  public void write(DataOutput out) throws IOException {
    // TODO Auto-generated method stub
    out.writeLong(upFlow);
    out.writeLong(downFlow);
    out.writeLong(sumFlow);
  }
  @Override
  public String toString() {
    return upFlow + "\t" + downFlow + "\t" + sumFlow;
  }
  /**
   * 反序列化 反序列化的顺序和序列化的顺序一致
   */
  @Override
  public void readFields(DataInput in) throws IOException {
    // TODO Auto-generated method stub
    upFlow = in.readLong();
    downFlow = in.readLong();
    sumFlow = in.readLong();
  }
  public long getSumFlow() {
    return sumFlow;
  }
  public void setSumFlow(long sumFlow) {
    this.sumFlow = sumFlow;
  }
}

3.2 自定义MapTask

 注意输出的value就是我们自定义的类型

public class MyMapTask extends Mapper<LongWritable, Text, Text, Flow>{
  @Override
  protected void map(LongWritable key, Text value, Context context)
      throws IOException, InterruptedException {
    // 将一行数据转换为String
    String line = value.toString();
    // 切分字段
    String[] fields = line.split("\t");
    // 取出手机号
    String phoneNum = fields[1];
    // 取出上行流量下行流量
    long upFlow = Long.parseLong(fields[fields.length-3]);
    long downFlow = Long.parseLong(fields[fields.length-2]);
    Flow flow = new Flow(upFlow,downFlow);
    context.write(new Text(phoneNum), flow);
  }
}

3.3 自定义ReduceTask

public class MyReduceTask extends Reducer<Text, Flow, Text, Flow>{
  @Override
  protected void reduce(Text key, Iterable<Flow> values, Context context)
      throws IOException, InterruptedException {
    long sum_upflow = 0;
    long sum_downflow = 0;
    for (Flow flow : values) {
      sum_upflow += flow.getUpFlow();
      sum_downflow += flow.getDownFlow();
    }
    Flow f = new Flow(sum_upflow,sum_downflow);
    // 必须重写Flow的toString方法
    context.write(new Text(key), f);
  }
}

3.4 启动类测试

 采用本地模式运行

package com.sxt.mr.flow;
import java.io.IOException;
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;
public class FlowTest {
  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration(true);
    conf.set("mapreduce.framework.name", "local");
    // 输出到HDFS文件系统中
    // conf.set("fs.defaultFS", "hdfs://hadoop-node01:9000");
    // 输出到本地文件系统
    conf.set("fs.defaultFS", "file:///");
    Job job = Job.getInstance(conf);
    job.setJarByClass(FlowTest.class);
    // 指定本job要使用的map/reduce的工具类
    job.setMapperClass(MyMapTask.class);
    job.setReducerClass(MyReduceTask.class);
    // 指定mapper输出kv的类型
    job.setMapOutputKeyClass(Text.class);
    job.setMapOutputValueClass(Flow.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(Flow.class);
    // 指定job的原始文件输入目录
    // 6.设置输出输出类
    FileInputFormat.setInputPaths(job, new Path("c:/tools/bigdata/mr/flow/input/"));
    FileOutputFormat.setOutputPath(job, new Path("c:/tools/bigdata/mr/flow/output/"));
    //将job中配置的相关参数,以及job所用的jar包提交给yarn运行
    //job.submit();  waitForCompletion等待执行完成
    boolean flag = job.waitForCompletion(true);
    System.exit(flag?0:1);
  }
}

3.5 输出结果

image.png

image.png

4. 总结

 本案例主要是演示了自定义对象在MapReduce任务中的使用,注意序列化!


相关文章
|
6月前
|
存储 分布式计算 监控
Hadoop【基础知识 01+02】【分布式文件系统HDFS设计原理+特点+存储原理】(部分图片来源于网络)【分布式计算框架MapReduce核心概念+编程模型+combiner&partitioner+词频统计案例解析与进阶+作业的生命周期】(图片来源于网络)
【4月更文挑战第3天】【分布式文件系统HDFS设计原理+特点+存储原理】(部分图片来源于网络)【分布式计算框架MapReduce核心概念+编程模型+combiner&partitioner+词频统计案例解析与进阶+作业的生命周期】(图片来源于网络)
308 2
|
6月前
|
分布式计算 数据可视化 Hadoop
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
大数据实战——基于Hadoop的Mapreduce编程实践案例的设计与实现
|
6月前
|
分布式计算 监控 Hadoop
Hadoop【基础知识 02】【分布式计算框架MapReduce核心概念+编程模型+combiner&partitioner+词频统计案例解析与进阶+作业的生命周期】(图片来源于网络)
【4月更文挑战第3天】Hadoop【基础知识 02】【分布式计算框架MapReduce核心概念+编程模型+combiner&partitioner+词频统计案例解析与进阶+作业的生命周期】(图片来源于网络)
277 0
|
分布式计算 Hadoop 大数据
MapReduce 案例之数据去重
MapReduce 案例之数据去重
296 0
|
6月前
|
存储 分布式计算 Hadoop
MapReduce序列化【用户流量使用统计】
MapReduce序列化【用户流量使用统计】
|
存储 分布式计算 搜索推荐
MapReduce 案例之倒排索引
MapReduce 案例之倒排索引
216 0
MapReduce 案例之倒排索引
|
存储 分布式计算 搜索推荐
MapReduce序列化【用户流量使用统计】
序列化是将对象的状态信息转化为可以存储或传输的形式的过程,通常指将对象在内存中的状态信息转换为可以被存储在外部介质上的二进制流或其他格式的数据,以便在需要时可以重新读取和还原对象的状态信息。
|
分布式计算 资源调度 监控
YARN On Mapreduce搭建与wordCount案例实现
YARN On Mapreduce搭建与wordCount案例实现
|
分布式计算 数据处理 索引
MapReduce 案例之Top N
MapReduce 案例之Top N
150 0
|
数据采集 分布式计算 搜索推荐
Hadoop学习---7、OutputFormat数据输出、MapReduce内核源码解析、Join应用、数据清洗、MapReduce开发总结(一)
Hadoop学习---7、OutputFormat数据输出、MapReduce内核源码解析、Join应用、数据清洗、MapReduce开发总结(一)