文档章节

MapReduce实现TopK

w
 wall--e
发布于 2016/04/16 16:54
字数 1110
阅读 161
收藏 1

需求: HTTP日志文件中全部流量前80%的记录, 按流量值降序排序

输出格式 <phoneNB,sum_flow>

HTTP日志文件:

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

定义FlowBean类,该类实现WritableComparable接口

实现write(), readFields(), compareTo()方法

public class FlowBean implements WritableComparable<FlowBean> {
 private String phoneNB;// 号码
 private long up_flow;// 上行流量
 private long down_flow;// 下行流量
 private long sum_flow;// 总流量
 public String getPhoneNB() {
  return phoneNB;
 }
 public void setPhoneNB(String phoneNB) {
  this.phoneNB = phoneNB;
 }
 public long getUp_flow() {
  return up_flow;
 }
 public void setUp_flow(long up_flow) {
  this.up_flow = up_flow;
 }
 public long getDown_flow() {
  return down_flow;
 }
 public void setDown_flow(long down_flow) {
  this.down_flow = down_flow;
 }
 public long getSum_flow() {
  return sum_flow;
 }
 public void setSum_flow(long sum_flow) {
  this.sum_flow = sum_flow;
 }
 public FlowBean() {
 }
 public FlowBean(String phoneNB, long up_flow, long down_flow) {
  this.phoneNB = phoneNB;
  this.up_flow = up_flow;
  this.down_flow = down_flow;
  this.sum_flow = up_flow + down_flow;
 }
 /**
  * up_flow + "\t" + down_flow + "\t" + sum_flow
  */
 @Override
 public String toString() {
  return up_flow + "\t" + down_flow + "\t" + sum_flow;
 }
 /**
  * 序列化, 序列化与反序列化各属性顺序一致
  */
 @Override
 public void write(DataOutput out) throws IOException {
  out.writeUTF(phoneNB);
  out.writeLong(up_flow);
  out.writeLong(down_flow);
  out.writeLong(sum_flow);
 }
 /**
  * 反序列化, 反序列化与序列化各属性顺序一致
  */
 @Override
 public void readFields(DataInput in) throws IOException {
  phoneNB = in.readUTF();
  up_flow = in.readLong();
  down_flow = in.readLong();
  sum_flow = in.readLong();
 }
 /**
  * 按总流量降序排序, 但总流量相等时, 两个FlowBean对象内容并不相等
  */
 @Override
 public int compareTo(FlowBean o) {
  if (sum_flow == o.sum_flow) {
   return 1;
  }
  return -Long.compare(sum_flow, o.sum_flow);
 }
}

定义Mapper类TopKFlowMapper

并重写map方法

 public class TopKFlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
  // mapper输出格式: <phoneNB,{bean,bean,bean,.......}>
  @Override
  protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
   String line = value.toString();
   String[] data = StringUtils.split(line, "\t");
   String phoneNB = data[1];
   long up_flow = Long.parseLong(data[7]);
   long down_flow = Long.parseLong(data[8]);
   context.write(new Text(phoneNB), new FlowBean(phoneNB, up_flow, down_flow));
  }
 }

定义Reducer类TopKFlowReducer

并实现reduce(), 重写cleanup()方法

 public class TopKFlowReducer extends Reducer<Text, FlowBean, Text, VLongWritable> {
  // 利用TreeMap的排序功能, 将FlowBean对象按总流量降序排序
  private Map<FlowBean, String> treeMap = new TreeMap<FlowBean, String>();
  private double globalFlow = 0;// 全局流量计数器, 初值值为0
  // reducer输入格式: <phoneNB,{bean,bean,bean,.......}>
  @Override
  protected void reduce(Text key, Iterable<FlowBean> values, Context context)
    throws IOException, InterruptedException {
   long up_sum = 0;
   long down_sum = 0;
   for (FlowBean bean : values) {
    up_sum += bean.getUp_flow();
    down_sum += bean.getDown_flow();
   }
   // 每求得一条phoneNB的总流量, 就累加到全局流量计数器globalCount中
   globalFlow += (up_sum + down_sum);
   // 利用TreeMap的排序功能, 将FlowBean对象按总流量降序排序
   treeMap.put(new FlowBean("", up_sum, down_sum), key.toString());
  }
  // cleanup方法是在reduce阶段退出前被调用一次
  @Override
  protected void cleanup(Context context) throws IOException, InterruptedException {
   double itemCount = 0;
   for (Map.Entry<FlowBean, String> item : treeMap.entrySet()) {
    if (itemCount > globalFlow * 0.8) {
     return;
    }
    // 只输出全局流量计数器globalCount前80%的记录
    context.write(new Text(item.getValue()), new VLongWritable(item.getKey().getSum_flow()));
    itemCount += item.getKey().getSum_flow();
   }
  }
 }

测试TopK

public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
  Job job = Job.getInstance(new Configuration());
  job.setJarByClass(TopKFlowRunner.class);    // 设置job的主类
  job.setMapperClass(TopKFlowMapper.class);    // 设置Mapper类
  job.setReducerClass(TopKFlowReducer.class);    // 设置Reducer类
  job.setMapOutputKeyClass(Text.class);    // 设置map阶段输出Key的类型
  job.setMapOutputValueClass(FlowBean.class);    // 设置map阶段输出Value的类型
  job.setOutputKeyClass(Text.class);    // 设置reduce阶段输出Key的类型
  job.setOutputValueClass(VLongWritable.class);    // 设置reduce阶段输出Value的类型
  // 设置job输入路径(从main方法参数args中获取)
  FileInputFormat.setInputPaths(job, new Path(args[0]));
  // 设置job输出路径(从main方法参数args中获取)
  FileOutputFormat.setOutputPath(job, new Path(args[1]));
  job.waitForCompletion(true);    // 提交job
 }

job输出的结果文件:

13726230503    27162
13726238888    27162
13925057413    11121
18320173382    9549
13502468823    7437
13660577991    6969
13922314466    6728
13560439658    6292

© 著作权归作者所有

w
粉丝 7
博文 31
码字总数 25016
作品 0
东城
程序员
私信 提问
Mahout推荐算法之SlopOne

一、 算法原理 有别于基于用户的协同过滤和基于item的协同过滤,SlopeOne采用简单的线性模型估计用户对item的评分。如下图,估计UserB对ItemJ的偏好 图(1) 在真实情况下,该方法有如下几个...

xiaomin0322
2018/06/19
0
0
Hadoop源代码分析(包hadoop.mapred中的MapReduce接口)

前面已经完成了对org.apache.hadoop.mapreduce的分析,这个包提供了Hadoop MapReduce部分的应用API,用于用户实现自己的MapReduce应用。但这些接口是给未来的MapReduce应用的,目前MapReduce...

超人学院
2015/05/25
0
0
大数据(hadoop-Mapreduce原理架构)

课程目标: 1:MapReduce的应用场景 2:MapReduce编程模型 3:MapReduce的架构 4:常见MapReduce应用场景 5:总结 MapReduce的定义 源自于Google的MapReduce论文 发表于2004年12月 Hadoop M...

这很耳东先生
04/30
0
0
大数据教程(10.7)Mapreduce的其他补充(计数器、多job串联、参数优化等)

上一篇文章分析了自定义inputFormat(小文件合并)的实现,在此博主将继续Mapreduce的其他补充(计数器、多job串联、参数优化等)内容的分享。 一、计数器应用 在实际生产代码中,常常需要将...

em_aaron
2018/12/30
0
0
Boost.MapReduce

看着Boost.MapReduce是不是觉得跟Boost有关系?其实它只是以前放在Boost代码库的一个开源软件。它有几个不同与Google MapReduce和Hadoop的地方: 它更Google使用的MapReduce一样是C++实现的,...

开源中国驻成都办事处
2012/05/14
0
0

没有更多内容

加载失败,请刷新页面

加载更多

进程命令ps

命令ps 用途: 显示当前系统的进程状态 语法: ]# ps [选项] 常用选项: aux = 列出正在运行的所有进程; a 显示现行终端机下的所有程序,包括其他用户的程序 u 以用户为主...

迷失De挣扎
39分钟前
3
0
聊聊spring cloud的CachingSpringLoadBalancerFactory

序 本文主要研究一下spring cloud的CachingSpringLoadBalancerFactory CachingSpringLoadBalancerFactory spring-cloud-openfeign-core-2.2.0.M1-sources.jar!/org/springframework/cloud/o......

go4it
昨天
4
0
一篇文章搞定——JDK8中新增的StampedLock

一、StampedLock类简介 StampedLock类,在JDK1.8时引入,是对读写锁ReentrantReadWriteLock的增强,该类提供了一些功能,优化了读锁、写锁的访问,同时使读写锁之间可以互相转换,更细粒度控...

须臾之余
昨天
4
0
Android Camera原理之CameraDeviceCallbacks回调模块

在讲解《Android Camera原理之openCamera模块(二)》一文的时候提到了CameraDeviceCallbacks回调,当时没有详细展开,本文我们详细展开讲解一下。 CameraDeviceCallbacks生成过程: 《Android...

天王盖地虎626
昨天
3
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