Hadoop学习笔记—5.自定义类型处理手机上网日志

转载自http://www.cnblogs.com/edisonchou/p/4288737.html

Hadoop学习笔记—5.自定义类型处理手机上网日志

一、测试数据：手机上网日志

1.1 关于这个日志

　　假设我们如下一个日志文件，这个文件的内容是来自某个电信运营商的手机上网日志，文件的内容已经经过了优化，格式比较规整，便于学习研究。

　　该文件的内容如下（这里我只截取了三行）：

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

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

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

　　每一行不同的字段有有不同的含义，具体的含义如下图所示：

1.2 要实现的目标

　　有了上面的测试数据—手机上网日志，那么问题来了，如何通过map-reduce实现统计不同手机号用户的上网流量信息？通过上表可知，第 6~9个字段是关于流量的信息，也就是说我们需要为每个用户统计其upPackNum、downPackNum、upPayLoad以及 downPayLoad这个四个字段的数量和，达到以下的显示结果：

13480253104 3 3 180 180

13502468823 57 102 7335 110349

二、解决思路：封装手机流量

2.1 Writable接口

　　经过上一篇的学习，我们知道了在Hadoop中操作所有的数据类型都需要实现一个叫Writable的接口，实现了该接口才能够支持序列化，才能方便地在Hadoop中进行读取和写入。

public interface Writable {
  /**
   * Serialize the fields of this object to <code>out</code>.
   */
  void write(DataOutput out) throws IOException;

  /**
   * Deserialize the fields of this object from <code>in</code>.
   */
  void readFields(DataInput in) throws IOException;
}

　　从上面的代码中可以看到Writable 接口只有两个方法的定义，一个是write 方法，一个是readFields 方法。前者是把对象的属性序列化到DataOutput 中去，后者是从DataInput 把数据反序列化到对象的属性中。（简称“读进来”，“写出去”）

　　java 中的基本类型有char、byte、boolean、short、int、float、double 共7 中基本类型，除了char，都有对应的Writable 类型。但是，没有我们需要的对应类型。于是，我们需要仿照现有的对应Writable 类型封装一个自定义的数据类型，以供本次试验使用。

2.2 封装KpiWritable类型

　　我们需要为每个用户统计其upPackNum、downPackNum、upPayLoad以及downPayLoad这个四个字段的数量和，而这个四个字段又都是long 类型，于是我们可以封装以下代码：

    /*
     * 自定义数据类型KpiWritable
     */
    public class KpiWritable implements Writable {

        long upPackNum; 　　　　// 上行数据包数，单位：个
        long downPackNum;  　　// 下行数据包数，单位：个
        long upPayLoad; 　 　　// 上行总流量，单位：byte
        long downPayLoad;  　　// 下行总流量，单位：byte

        public KpiWritable() {
        }

        public KpiWritable(String upPack, String downPack, String upPay,
                String downPay) {
            upPackNum = Long.parseLong(upPack);
            downPackNum = Long.parseLong(downPack);
            upPayLoad = Long.parseLong(upPay);
            downPayLoad = Long.parseLong(downPay);
        }

        @Override
        public String toString() {
            String result = upPackNum + "\t" + downPackNum + "\t" + upPayLoad
                    + "\t" + downPayLoad;
            return result;
        }

        @Override
        public void write(DataOutput out) throws IOException {
            out.writeLong(upPackNum);
            out.writeLong(downPackNum);
            out.writeLong(upPayLoad);
            out.writeLong(downPayLoad);
        }

        @Override
        public void readFields(DataInput in) throws IOException {
            upPackNum = in.readLong();
            downPackNum = in.readLong();
            upPayLoad = in.readLong();
            downPayLoad = in.readLong();
        }

    }

　　通过实现Writable接口的两个方法，就封装好了KpiWritable类型。

三、编程实现：依然MapReduce

3.1 自定义Mapper类

    /*
     * 自定义Mapper类，重写了map方法
     */
    public static class MyMapper extends
            Mapper<LongWritable, Text, Text, KpiWritable> {
        protected void map(
                LongWritable k1,
                Text v1,
                org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, Text, KpiWritable>.Context context)
                throws IOException, InterruptedException {
            String[] spilted = v1.toString().split("\t");
            String msisdn = spilted[1]; // 获取手机号码
            Text k2 = new Text(msisdn); // 转换为Hadoop数据类型并作为k2
            KpiWritable v2 = new KpiWritable(spilted[6], spilted[7],
                    spilted[8], spilted[9]);
            context.write(k2, v2);
        };
    }

　　这里将第6~9个字段的数据都封装到KpiWritable类型中，并将手机号和KpiWritable作为<k2,v2>传入下一阶段；

3.2 自定义Reducer类

    /*
     * 自定义Reducer类，重写了reduce方法
     */
    public static class MyReducer extends
            Reducer<Text, KpiWritable, Text, KpiWritable> {
        protected void reduce(
                Text k2,
                java.lang.Iterable<KpiWritable> v2s,
                org.apache.hadoop.mapreduce.Reducer<Text, KpiWritable, Text, KpiWritable>.Context context)
                throws IOException, InterruptedException {
            long upPackNum = 0L;
            long downPackNum = 0L;
            long upPayLoad = 0L;
            long downPayLoad = 0L;
            for (KpiWritable kpiWritable : v2s) {
                upPackNum += kpiWritable.upPackNum;
                downPackNum += kpiWritable.downPackNum;
                upPayLoad += kpiWritable.upPayLoad;
                downPayLoad += kpiWritable.downPayLoad;
            }

            KpiWritable v3 = new KpiWritable(upPackNum + "", downPackNum + "",
                    upPayLoad + "", downPayLoad + "");
            context.write(k2, v3);
        };
    }

　　这里将Map阶段每个手机号所对应的流量记录都一一进行相加求和，最后生成一个新的KpiWritable类型对象与手机号作为新的<k3,v3>返回；

3.3 完整代码实现

　　完整的代码如下所示：

3.4 调试运行效果

附件下载

　　（1）本次用到的手机上网日志（部分版）：http://pan.baidu.com/s/1dDzqHWX