Hive的存储和MapReduce处理——数据清洗

日期：2019.11.13

博客期：115

星期三

　　

Result文件数据说明：

　　Ip：106.39.41.166,（城市）

　　Date：10/Nov/2016:00:01:02 +0800,（日期）

　　Day：10,（天数）

　　Traffic: 54 ,（流量）

　　Type: video,（类型：视频video或文章article）

　　Id: 8701（视频或者文章的id）

测试要求：

1、 数据清洗：按照进行数据清洗，并将清洗后的数据导入hive数据库中。

两阶段数据清洗：

（1）第一阶段：把需要的信息从原始日志中提取出来

　　ip:    199.30.25.88

　　time:  10/Nov/2016:00:01:03 +0800

　　traffic:  62

　　文章： article/11325

　　视频： video/3235

（2）第二阶段：根据提取出来的信息做精细化操作

　　ip--->城市 city（IP）

　　date--> time:2016-11-10 00:01:03

　　day: 10

　　traffic:62

　　type:article/video

　　id:11325

（3）hive数据库表结构:

　　create table data(  ip string,  time string , day string, traffic bigint,type string, id   string )

2、数据处理：

　　·统计最受欢迎的视频/文章的Top10访问次数 （video/article）

　　·按照地市统计最受欢迎的Top10课程 （ip）

　　·按照流量统计最受欢迎的Top10课程 （traffic）

3、数据可视化：将统计结果倒入MySql数据库中，通过图形化展示的方式展现出来。

　　制作：

　　　A、基础数据Bean类

 package com.hive.basic;

 import com.hive.format.IPUtil;
 import com.hive.format.TimeUtil;

 public class Bean {
     protected String ip;
     protected String time;
     protected String day;
     protected int traffic;
     protected String type;
     protected String id;
     public String getIp() {
         return ip;
     }
     public void setIp(String ip) {
         this.ip = ip;
     }
     public String getTime() {
         return time;
     }
     public String getDay() {
         return day;
     }
     public void setDay(String day) {
         this.day = day;
     }
     public void setTime(String time) {
         this.time = time;
     }
     public int getTraffic() {
         return traffic;
     }
     public void setTraffic(int traffic) {
         this.traffic = traffic;
     }
     public String getType() {
         return type;
     }
     public void setType(String type) {
         this.type = type;
     }
     public String getId() {
         return id;
     }
     public void setId(String id) {
         this.id = id;
     }
     public Bean(String ip, String time, String day , int traffic, String type, String id) {
         super();
         this.ip = ip;
         this.time = time;
         this.day = day;
         this.traffic = traffic;
         this.type = type;
         this.id = id;
     }
     public Bean() {
         super();
         // TODO 自动生成的构造函数存根
     }
     /*格式转换*/
     public void format(){
         this.ip = IPUtil.getCityInfo("106.39.41.166").split("\\|")[3].replace("市","");
         this.time = TimeUtil.deal(this.time);
     }
     public void display(){
         System.out.println(ip+","+time+","+day+","+traffic+","+type+","+id);
     }
 }

Bean.java

　　　B、日期格式转化类

 package com.hive.format;

 import java.text.ParseException;
 import java.text.SimpleDateFormat;
 import java.util.Date;
 import java.util.Locale;

 public class TimeUtil {
     public static String deal(String time){

         SimpleDateFormat sdf = new SimpleDateFormat("dd/MMM/yyyy:HH:mm:ss Z", Locale.ENGLISH);
         Date dd = null;
         try {
             dd = sdf.parse(time);
         } catch (ParseException e) {
             // TODO 自动生成的 catch 块
             e.printStackTrace();
         } //将字符串改为date的格式

          String resDate = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(dd);

         return resDate;
     }
     public static void main(String[] args) throws ParseException {

         String dateString = "10/Nov/2016:00:01:02 +0800";
         SimpleDateFormat sdf = new SimpleDateFormat("dd/MMM/yyyy:HH:mm:ss Z", Locale.ENGLISH);
         Date dd = sdf.parse(dateString); //将字符串改为date的格式
          String resDate= new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(dd);
         System.out.println(resDate);
     }
 }

TimeUtil.java