Hadoop計(jì)數(shù)器的應(yīng)用以及數(shù)據(jù)清洗
數(shù)據(jù)清洗(ETL)
在運(yùn)行核心業(yè)務(wù)MapReduce程序之前,往往要先對(duì)數(shù)據(jù)進(jìn)行清洗,清理掉不符合用戶要求的數(shù)據(jù)。清理的過程往往只需要運(yùn)行Mapper程序,不需要運(yùn)行Reduce程序。
1.需求
去除日志中字段長度小于等于11的日志。
(1)輸入數(shù)據(jù)
web.log
(2)期望輸出數(shù)據(jù)
每行字段長度都大于11
2.需求分析
需要在Map階段對(duì)輸入的數(shù)據(jù)根據(jù)規(guī)則進(jìn)行過濾清洗。
3.實(shí)現(xiàn)代碼
(1)編寫LogMapper類
package com.atguigu.mapreduce.weblog; import java.io.IOException; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; public class LogMapper extends Mapper<LongWritable, Text, Text, NullWritable>{ Text k = new Text(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { // 1 獲取1行數(shù)據(jù) String line = value.toString(); // 2 解析日志 boolean result = parseLog(line,context); // 3 日志不合法退出 if (!result) { return; } // 4 設(shè)置key k.set(line); // 5 寫出數(shù)據(jù) context.write(k, NullWritable.get()); } // 2 解析日志 private boolean parseLog(String line, Context context) { // 1 截取 String[] fields = line.split(" "); // 2 日志長度大于11的為合法 if (fields.length > 11) { // 系統(tǒng)計(jì)數(shù)器 context.getCounter("map", "true").increment(1); return true; }else { context.getCounter("map", "false").increment(1); return false; } } }
(2)編寫LogDriver類
package com.atguigu.mapreduce.weblog; 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 LogDriver { public static void main(String[] args) throws Exception { // 輸入輸出路徑需要根據(jù)自己電腦上實(shí)際的輸入輸出路徑設(shè)置 args = new String[] { "e:/input/inputlog", "e:/output1" }; // 1 獲取job信息 Configuration conf = new Configuration(); Job job = Job.getInstance(conf); // 2 加載jar包 job.setJarByClass(LogDriver.class); // 3 關(guān)聯(lián)map job.setMapperClass(LogMapper.class); // 4 設(shè)置最終輸出類型 job.setOutputKeyClass(Text.class); job.setOutputValueClass(NullWritable.class); // 設(shè)置reducetask個(gè)數(shù)為0 job.setNumReduceTasks(0); // 5 設(shè)置輸入和輸出路徑 FileInputFormat.setInputPaths(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); // 6 提交 job.waitForCompletion(true); } }
總結(jié)
以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,謝謝大家對(duì)腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請(qǐng)查看下面相關(guān)鏈接
- Hadoop之NameNode Federation圖文詳解
- Hadoop 2.X新特性回收站功能的講解
- ubantu 16.4下Hadoop完全分布式搭建實(shí)戰(zhàn)教程
- Hadoop 2.x與3.x 22點(diǎn)比較,Hadoop 3.x比2.x的改進(jìn)
- ubuntu docker搭建Hadoop集群環(huán)境的方法
- 在CentOS中搭建Hadoop的詳細(xì)步驟
- hadoop的wordcount實(shí)例代碼
- Java/Web調(diào)用Hadoop進(jìn)行MapReduce示例代碼
- Hadoop中namenode和secondarynamenode工作機(jī)制講解
相關(guān)文章
ibmx335/ibmx336服務(wù)器做RAID陣列的圖文方法(包括刪除RAID陣列)
X服務(wù)器中有一些集成LSI SCSI控制器的機(jī)型,在開機(jī)自檢時(shí)按CTRL C可以配置兩個(gè)硬盤的鏡像。但是當(dāng)升級(jí)BIOS之后,CTRL C中的一些設(shè)置發(fā)生了變化,配置方法也較以前的版本有些差異2012-06-06服務(wù)器錯(cuò)誤碼500 501 502 503 504 505 詳解
這篇文章主要介紹了服務(wù)器錯(cuò)誤碼500 501 502 503 504 505 詳解,需要的朋友可以參考下2015-07-07git沖突解決_動(dòng)力節(jié)點(diǎn)Java學(xué)院整理
這篇文章主要介紹了git沖突解決,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2017-08-08阿里云k8s服務(wù)springboot項(xiàng)目應(yīng)用升級(jí)時(shí)出現(xiàn)502錯(cuò)誤
這篇文章主要介紹了阿里云k8s服務(wù)springboot項(xiàng)目應(yīng)用升級(jí)時(shí)出現(xiàn)502錯(cuò)誤,需要的朋友可以參考下2022-04-04戴爾dell poweredge r730服務(wù)器系統(tǒng)安裝配置詳解教程
這篇文章主要介紹了戴爾dell poweredge r730服務(wù)器系統(tǒng)安裝配置詳解教程,需要的朋友可以參考下2018-05-05Centos服務(wù)器部署前后端項(xiàng)目的實(shí)戰(zhàn)教程
這篇文章主要介紹了Centos服務(wù)器部署前后端項(xiàng)目的實(shí)戰(zhàn)教程,本文通過實(shí)例圖文結(jié)合實(shí)例代碼給大家介紹的非常詳細(xì),需要的朋友參考下吧2024-02-02