文档章节

MapReduce例程-列出工资比上司高的员工姓名及其工资

悟空太多啦
 悟空太多啦
发布于 2014/08/31 23:09
字数 1585
阅读 269
收藏 1

数据

     EMPNO       ENAME        JOB                   MGR   HIREDATE                      SAL         COMM      DEPTNO

      7369 SMITH      CLERK           7902 17-12月-80            800                    20

      7499 ALLEN      SALESMAN        7698 20-2月 -81           1600        300         30

      7521 WARD       SALESMAN        7698 22-2月 -81           1250        500         30

      7566 JONES      MANAGER         7839 02-4月 -81           2975                    20

      7654 MARTIN     SALESMAN        7698 28-9月 -81           1250       1400         30

      7698 BLAKE      MANAGER         7839 01-5月 -81           2850                    30

      7782 CLARK      MANAGER         7839 09-6月 -81           2450                    10

      7839 KING       PRESIDENT            17-11月-81           5000                    10

      7844 TURNER     SALESMAN        7698 08-9月 -81           1500          0         30

      7900 JAMES      CLERK           7698 03-12月-81            950                    30

      7902 FORD       ANALYST         7566 03-12月-81           3000                    20

      7934 MILLER     CLERK           7782 23-1月 -82           1300                    10

代码

package cn.kissoft.hadoop.week07;
import java.io.IOException;
import java.text.DateFormat;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.Date;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
import cn.kissoft.hadoop.util.HdfsUtil;
/**
 * Homework-05:列出工资比上司高的员工姓名及其工资
 * 
 * @author wukong(jinsong.sun@139.com)
 */
public class MorePayThanHigherups extends Configured implements Tool {
 public static class M extends Mapper<LongWritable, Text, Text, Text> {
  @Override
  public void map(LongWritable key, Text value, Context context)
          throws IOException, InterruptedException {
   String line = value.toString();
   String id = line.substring(1, 11).trim();
   String name = line.substring(11, 21).trim();
   String sal = line.substring(57, 68).trim();
   String pid = line.substring(32, 43).trim();
   context.write(new Text(pid), new Text("EMP," + pid + "," + name
           + "," + sal + "," + id));
   context.write(new Text(id), new Text("BOSS," + id + "," + name
           + "," + sal + "," + pid));
  }
 }
 public static class R extends Reducer<Text, Text, NullWritable, Text> {
  @Override
  public void reduce(Text key, Iterable<Text> values, Context context)
          throws IOException, InterruptedException {
   String bossName = null;
   int bossSal = 0;
   List<Emp> emps = new ArrayList<Emp>();
   for (Text value : values) {
    System.out.println(value);
    String[] ss = value.toString().split(",");
    if (ss[0].equals("EMP")) {// 可能有多个
     emps.add(new Emp(ss[2], Integer.parseInt(ss[3])));
    } else if (ss[0].equals("BOSS")) {// 只有一个
     bossName = ss[2];
     bossSal = Integer.parseInt(ss[3]);
    }
   }
   for (Emp e : emps) {
    if (bossSal > 0 && e.getSal() > bossSal) {
     context.write(null, new Text(e.getName() + "," + e.getSal()
             + "," + bossName + "," + bossSal));
    }
   }
  }
 }
 @Override
 public int run(String[] args) throws Exception {
  Configuration conf = getConf();
  Job job = new Job(conf, "Job-TotalSalaryByDeptMR");
  job.setJarByClass(this.getClass());
  job.setMapperClass(M.class);
  job.setMapOutputKeyClass(Text.class);
  job.setMapOutputValueClass(Text.class);
  job.setReducerClass(R.class);
  job.setOutputFormatClass(TextOutputFormat.class);
  job.setOutputKeyClass(NullWritable.class); // 指定输出的KEY的格式
  job.setOutputValueClass(Text.class); // 指定输出的VALUE的格式
  FileInputFormat.addInputPath(job, new Path(args[0])); // 输入路径
  FileOutputFormat.setOutputPath(job, new Path(args[1])); // 输出路径
  return job.waitForCompletion(true) ? 0 : 1;
  // job.waitForCompletion(true);
  // return job.isSuccessful() ? 0 : 1;
 }
 /**
  * 
  * @param args hdfs://bd11:9000/user/wukong/w07/emp.txt hdfs://bd11:9000/user/wukong/w07/out05/
  * @throws Exception
  */
 public static void main(String[] args) throws Exception {
  checkArgs(args);
  HdfsUtil.rm(args[1], true);
  Date start = new Date();
  int res = ToolRunner.run(new Configuration(),
          new MorePayThanHigherups(), args);
  printExcuteTime(start, new Date());
  System.exit(res);
 }
 /**
  * 判断参数个数是否正确,如果无参数运行则显示以作程序说明。
  * 
  * @param args
  */
 private static void checkArgs(String[] args) {
  if (args.length != 2) {
   System.err.println("");
   System.err.println("Usage: Test_1 < input path > < output path > ");
   System.err
           .println("Example: hadoop jar ~/Test_1.jar hdfs://localhost:9000/home/james/Test_1 hdfs://localhost:9000/home/james/output");
   System.err.println("Counter:");
   System.err.println("\t" + "LINESKIP" + "\t"
           + "Lines which are too short");
   System.exit(-1);
  }
 }
 /**
  * 打印程序运行时间
  * 
  * @param start
  * @param end
  */
 private static void printExcuteTime(Date start, Date end) {
  DateFormat formatter = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
  float time = (float) ((end.getTime() - start.getTime()) / 60000.0);
  System.out.println("任务开始:" + formatter.format(start));
  System.out.println("任务结束:" + formatter.format(end));
  System.out.println("任务耗时:" + String.valueOf(time) + " 分钟");
 }
}
class Emp {
 private String name;
 private int sal;
 /**
  * @param name
  * @param sal
  */
 public Emp(String name, int sal) {
  super();
  this.name = name;
  this.sal = sal;
 }
 public String getName() {
  return name;
 }
 public int getSal() {
  return sal;
 }
}

运行结果

FORD,3000,JONES,2975

控制台

14/08/31 23:09:06 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

14/08/31 23:09:06 WARN mapred.JobClient: No job jar file set.  User classes may not be found. See JobConf(Class) or JobConf#setJar(String).

14/08/31 23:09:07 INFO input.FileInputFormat: Total input paths to process : 1

14/08/31 23:09:07 WARN snappy.LoadSnappy: Snappy native library not loaded

14/08/31 23:09:07 INFO mapred.JobClient: Running job: job_local1925230448_0001

14/08/31 23:09:07 INFO mapred.LocalJobRunner: Waiting for map tasks

14/08/31 23:09:07 INFO mapred.LocalJobRunner: Starting task: attempt_local1925230448_0001_m_000000_0

14/08/31 23:09:07 INFO mapred.Task:  Using ResourceCalculatorPlugin : null

14/08/31 23:09:07 INFO mapred.MapTask: Processing split: hdfs://bd11:9000/user/wukong/w07/emp.txt:0+1119

14/08/31 23:09:07 INFO mapred.MapTask: io.sort.mb = 100

14/08/31 23:09:07 INFO mapred.MapTask: data buffer = 79691776/99614720

14/08/31 23:09:07 INFO mapred.MapTask: record buffer = 262144/327680

14/08/31 23:09:07 INFO mapred.MapTask: Starting flush of map output

14/08/31 23:09:07 INFO mapred.MapTask: Finished spill 0

14/08/31 23:09:07 INFO mapred.Task: Task:attempt_local1925230448_0001_m_000000_0 is done. And is in the process of commiting

14/08/31 23:09:07 INFO mapred.LocalJobRunner: 

14/08/31 23:09:07 INFO mapred.Task: Task 'attempt_local1925230448_0001_m_000000_0' done.

14/08/31 23:09:07 INFO mapred.LocalJobRunner: Finishing task: attempt_local1925230448_0001_m_000000_0

14/08/31 23:09:07 INFO mapred.LocalJobRunner: Map task executor complete.

14/08/31 23:09:07 INFO mapred.Task:  Using ResourceCalculatorPlugin : null

14/08/31 23:09:07 INFO mapred.LocalJobRunner: 

14/08/31 23:09:07 INFO mapred.Merger: Merging 1 sorted segments

14/08/31 23:09:07 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 766 bytes

14/08/31 23:09:07 INFO mapred.LocalJobRunner: 

EMP,,KING,5000,7839

BOSS,7369,SMITH,800,7902

BOSS,7499,ALLEN,1600,7698

BOSS,7521,WARD,1250,7698

EMP,7566,FORD,3000,7902

BOSS,7566,JONES,2975,7839

BOSS,7654,MARTIN,1250,7698

EMP,7698,WARD,1250,7521

EMP,7698,JAMES,950,7900

EMP,7698,MARTIN,1250,7654

EMP,7698,ALLEN,1600,7499

BOSS,7698,BLAKE,2850,7839

EMP,7698,TURNER,1500,7844

BOSS,7782,CLARK,2450,7839

EMP,7782,MILLER,1300,7934

BOSS,7839,KING,5000,

EMP,7839,CLARK,2450,7782

EMP,7839,BLAKE,2850,7698

EMP,7839,JONES,2975,7566

BOSS,7844,TURNER,1500,7698

BOSS,7900,JAMES,950,7698

EMP,7902,SMITH,800,7369

BOSS,7902,FORD,3000,7566

BOSS,7934,MILLER,1300,7782

14/08/31 23:09:07 INFO mapred.Task: Task:attempt_local1925230448_0001_r_000000_0 is done. And is in the process of commiting

14/08/31 23:09:07 INFO mapred.LocalJobRunner: 

14/08/31 23:09:07 INFO mapred.Task: Task attempt_local1925230448_0001_r_000000_0 is allowed to commit now

14/08/31 23:09:07 INFO output.FileOutputCommitter: Saved output of task 'attempt_local1925230448_0001_r_000000_0' to hdfs://bd11:9000/user/wukong/w07/out05

14/08/31 23:09:07 INFO mapred.LocalJobRunner: reduce > reduce

14/08/31 23:09:07 INFO mapred.Task: Task 'attempt_local1925230448_0001_r_000000_0' done.

14/08/31 23:09:08 INFO mapred.JobClient:  map 100% reduce 100%

14/08/31 23:09:08 INFO mapred.JobClient: Job complete: job_local1925230448_0001

14/08/31 23:09:08 INFO mapred.JobClient: Counters: 19

14/08/31 23:09:08 INFO mapred.JobClient:   File Output Format Counters 

14/08/31 23:09:08 INFO mapred.JobClient:     Bytes Written=21

14/08/31 23:09:08 INFO mapred.JobClient:   File Input Format Counters 

14/08/31 23:09:08 INFO mapred.JobClient:     Bytes Read=1119

14/08/31 23:09:08 INFO mapred.JobClient:   FileSystemCounters

14/08/31 23:09:08 INFO mapred.JobClient:     FILE_BYTES_READ=1082

14/08/31 23:09:08 INFO mapred.JobClient:     HDFS_BYTES_READ=2238

14/08/31 23:09:08 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=139882

14/08/31 23:09:08 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=21

14/08/31 23:09:08 INFO mapred.JobClient:   Map-Reduce Framework

14/08/31 23:09:08 INFO mapred.JobClient:     Reduce input groups=13

14/08/31 23:09:08 INFO mapred.JobClient:     Map output materialized bytes=770

14/08/31 23:09:08 INFO mapred.JobClient:     Combine output records=0

14/08/31 23:09:08 INFO mapred.JobClient:     Map input records=12

14/08/31 23:09:08 INFO mapred.JobClient:     Reduce shuffle bytes=0

14/08/31 23:09:08 INFO mapred.JobClient:     Reduce output records=1

14/08/31 23:09:08 INFO mapred.JobClient:     Spilled Records=48

14/08/31 23:09:08 INFO mapred.JobClient:     Map output bytes=716

14/08/31 23:09:08 INFO mapred.JobClient:     Total committed heap usage (bytes)=326107136

14/08/31 23:09:08 INFO mapred.JobClient:     SPLIT_RAW_BYTES=105

14/08/31 23:09:08 INFO mapred.JobClient:     Map output records=24

14/08/31 23:09:08 INFO mapred.JobClient:     Combine input records=0

14/08/31 23:09:08 INFO mapred.JobClient:     Reduce input records=24

任务开始:2014-08-31 23:09:06

任务结束:2014-08-31 23:09:08

任务耗时:0.023083333 分钟

© 著作权归作者所有

悟空太多啦
粉丝 20
博文 86
码字总数 72074
作品 1
南京
项目经理
私信 提问
将 OpenStack 私有云部署到 Hadoop MapReduce 环境

随着企业开始同时利用云计算和大数据技术,现在应当考虑如何将这些工具结合使用。在这种情况下,企业将实现最佳的分析处理能力,同时利用私有云的快 速弹性 (rapid elasticity) 和单一租赁的...

IBMdW
2013/02/17
1K
0
阿里云 E-MapReduce产品优势及使用场景

E-MapReduce 是构建于阿里云 ECS 弹性虚拟机之上,利用开源大数据生态系统,包括 Hadoop、Spark、HBase,为用户提供集群、作业、数据等管理的一站式大数据处理分析服务。 产品优势: 与自建集...

凹凹凸曼
2018/09/12
0
0
[Hadoop]MapReduce中的Partitioner

在处理输入数据集时就像条件表达式(condition)一样工作。分区阶段发生在阶段之后,阶段之前。的个数等于的个数(The number of partitioners is equal to the number of reducers)。这就意味着...

sjf0115
2017/01/03
0
0
Oracle11g--基本查询

1,列出至少有一个员工的所有部门。 select dname from dept where deptno in (select distinct(deptno) from emp); //列出部门人数不少于3个人的部门和人数 错误的查询方法: 注意dname不是关...

卷心菜菜
2014/04/11
355
0
MapReduce和Spark的区别

性能: Spark是在内存中处理数据的,而MapReduce是通过map和reduce操作在磁盘中处理数据,所以正常情况下Spark的处理速度会比mapreduce快。但是当数据量大,不能一次性加载到内存的时候,Spa...

无精疯
04/15
106
0

没有更多内容

加载失败,请刷新页面

加载更多

川普给埃尔多安和内堪尼亚胡的信

任性 https://twitter.com/netanyahu/status/1186647558401253377 https://edition.cnn.com/2019/10/16/politics/trump-erdogan-letter/index.htm...

Iridium
30分钟前
10
0
golang-mysql-原生

db.go package mainimport ("database/sql""time"_ "github.com/go-sql-driver/mysql")var (db *sql.DBdsn = "root:123456@tcp(127.0.0.1:3306)/test?charset=u......

李琼涛
58分钟前
5
0
编程作业20191021092341

1编写一个程序,把用分钟表示的时间转换成用小时和分钟表示的时 间。使用#define或const创建一个表示60的符号常量或const变量。通过while 循环让用户重复输入值,直到用户输入小于或等于0的值...

1李嘉焘1
58分钟前
7
0
Netty整合Protobuffer

现在我们都知道,rpc的三要素:IO模型,线程模型,然后就是数据交互模型,即我们说的序列化和反序列化,现在我们来看一下压缩比率最大的二进制序列化方式——Protobuffer,而且该方式是可以跨...

算法之名
今天
19
0
如何用C++实现栈

栈的定义 栈(stack)又名堆栈,它是一种运算受限的线性表。限定仅在表尾进行插入和删除操作的线性表。这一端被称为栈顶,相对地,把另一端称为栈底。向一个栈插入新元素又称作进栈、入栈或压...

BWH_Steven
今天
6
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部