HDFS 数据格式 : 

举例单条数据:02-26 08:01:56 [qtp512249001-42] INFO  async-statistics - class com.spring.aop.StorageManagerStatAspect${"method":"com.systoon.scloud.master.controller.ImageController.download","ip":"172.28.6.131","port":"38001","father":"sun.reflect.GeneratedMethodAccessor8.invoke/null/-1","requestIp":"106.39.33.246","argsMap":{"org.eclipse.jetty.server.Request:0":{"requestURI":"/f/KZ0wxxbvFz924VaHS8JN1Fk42jV9OBMCHYoLtuc9sAkfF.jpg"},"org.eclipse.jetty.server.Response:1":1462183982},"processTime":50,"time":1456444916225,"retValMap":{":":"this object is null"}}

是写出的一行日志。  日志结构是时间 + 打印的类 + JSON
那么现在是要进行一个统计 MR 分析。

那么开始上代码:
        
  1. import com.alibaba.fastjson.JSON;
  2. import com.alibaba.fastjson.JSONObject;
  3. import com.rocky.util.TimeUtils;
  4. import org.apache.hadoop.fs.FileSystem;
  5. import org.apache.hadoop.fs.Path;
  6. import org.apache.hadoop.io.IntWritable;
  7. import org.apache.hadoop.io.LongWritable;
  8. import org.apache.hadoop.io.Text;
  9. import org.apache.hadoop.mapred.*;
  10. import org.apache.hadoop.mapred.lib.MultipleOutputFormat;
  11. import org.apache.hadoop.util.Progressable;
  12. import java.io.IOException;
  13. import java.net.URI;
  14. import java.util.Iterator;
  15. public class MulOutput {
  16. public static final String clazz = "com.spring.aop.StorageManagerStatAspect";
  17. public static final String m_download = "com.systoon.scloud.master.controller.ImageController.download";
  18. public static final String m_upload = "com.systoon.scloud.master.controller.DirectUploadFile.directUploadFile";
  19. public static class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable>{
  20. private final static IntWritable one = new IntWritable(1);
  21. Text word = new Text();
  22. @Override
  23. public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output,
  24. Reporter reporter) throws IOException {
  25. String line = value.toString();
  26. if(line.contains(clazz)){
  27. if(line.contains(m_download)){
  28. String tempObject = line.split(clazz)[1];
  29. String tmp = tempObject.substring(1,tempObject.length());
  30. JSONObject jsonObject = JSON.parseObject(tmp);
  31. String method = jsonObject.get("method").toString();
  32. if( method.equals(m_download) ){
  33. word.set("download");
  34. output.collect(word, one);
  35. }
  36. } else if(line.contains(m_upload)) {
  37. String tempObject = line.split(clazz)[1];
  38. String tmp = tempObject.substring(1,tempObject.length());
  39. JSONObject jsonObject = JSON.parseObject(tmp);
  40. String method = jsonObject.get("method").toString();
  41. if( method.equals(m_upload) ){
  42. word.set("upload");
  43. output.collect(word, one);
  44. }
  45. } else {
  46. word.set("debug");
  47. output.collect(word,one);
  48. }
  49. } else {
  50. word.set("others");
  51. output.collect(word, one);
  52. }
  53. }
  54. }
  55. public static class Reduce extends MapReduceBase
  56. implements Reducer<Text, IntWritable, Text, IntWritable> {
  57. public void reduce(Text key, Iterator<IntWritable> values,
  58. OutputCollector<Text, IntWritable> output, Reporter reporter)
  59. throws IOException{
  60. int sum = 0;
  61. while (values.hasNext()) {
  62. sum += values.next().get();
  63. }
  64. output.collect(key, new IntWritable(sum));
  65. }
  66. }
  67. public static void main(String[] args) throws Exception{
  68. JobConf jobConf = new JobConf(MulOutput.class);
  69. jobConf.setJobName("rocky_test");
  70. String outPath = "/test/mapReduce/statis"+TimeUtils.getStringDate();
  71. final FileSystem filesystem = FileSystem.get(new URI(outPath), jobConf);
  72. if(filesystem.exists(new Path(outPath))){
  73. filesystem.delete(new Path(outPath), true);
  74. }
  75. jobConf.setMapperClass(Map.class); //为job设置Mapper类
  76. jobConf.setMapOutputKeyClass(Text.class); //输出数据设置Key类
  77. jobConf.setMapOutputValueClass(IntWritable.class); //输出数据设置Key类
  78. jobConf.setCombinerClass(Reduce.class); // 为job设置Combiner类
  79. jobConf.setReducerClass(Reduce.class); // 为job设置Reduce类
  80. jobConf.setOutputKeyClass(Text.class); // 输出数据设置Key类
  81. jobConf.setOutputValueClass(IntWritable.class); // 输出数据设置Key类
  82. FileInputFormat.setInputPaths(jobConf, new Path("/test/mapReduce/statistics.log.2016-02-26"));
  83. // // 扫描组合path
  84. // FileInputFormat.addInputPath();
  85. jobConf.setOutputFormat(MyMultipleFilesTextOutputFormat.class);
  86. FileOutputFormat.setOutputPath(jobConf, new Path(outPath));
  87. JobClient.runJob(jobConf); //运行一个job
  88. }
  89. }


简单来讲就是 Map 按行读, Reduce 进行汇总。   也是统计中最最常用的。  轻松解决问题。









附件列表

仿分词统计的MapReduce 程序。的更多相关文章

  1. 在Hadoop上运行基于RMM中文分词算法的MapReduce程序

    原文:http://xiaoxia.org/2011/12/18/map-reduce-program-of-rmm-word-count-on-hadoop/ 在Hadoop上运行基于RMM中文分词 ...

  2. 大数据学习——mapreduce程序单词统计

    项目结构 pom.xml文件 <?xml version="1.0" encoding="UTF-8"?> <project xmlns=&q ...

  3. 从零开始学习Hadoop--第2章 第一个MapReduce程序

    1.Hadoop从头说 1.1 Google是一家做搜索的公司 做搜索是技术难度很高的活.首先要存储很多的数据,要把全球的大部分网页都抓下来,可想而知存储量有多大.然后,要能快速检索网页,用户输入几个 ...

  4. Eclipse下使用Hadoop单机模式调试MapReduce程序

    在单机模式下Hadoop不会使用HDFS,也不会开启任何Hadoop守护进程,所有程序将在一个JVM上运行并且最多只允许拥有一个reducer 在Eclipse中新创建一个hadoop-test的Ja ...

  5. 使用Python实现Hadoop MapReduce程序

    转自:使用Python实现Hadoop MapReduce程序 英文原文:Writing an Hadoop MapReduce Program in Python 根据上面两篇文章,下面是我在自己的 ...

  6. 用PHP编写Hadoop的MapReduce程序

    用PHP编写Hadoop的MapReduce程序     Hadoop流 虽然Hadoop是用Java写的,但是Hadoop提供了Hadoop流,Hadoop流提供一个API, 允许用户使用任何语言编 ...

  7. HADOOP之MAPREDUCE程序应用二

    摘要:MapReduce程序进行单词计数. 关键词:MapReduce程序  单词计数 数据源:人工构造英文文档file1.txt,file2.txt. file1.txt 内容 Hello   Ha ...

  8. Hadoop之MapReduce程序应用三

    摘要:MapReduce程序进行数据去重. 关键词:MapReduce   数据去重 数据源:人工构造日志数据集log-file1.txt和log-file2.txt. log-file1.txt内容 ...

  9. 简单的java Hadoop MapReduce程序(计算平均成绩)从打包到提交及运行

    [TOC] 简单的java Hadoop MapReduce程序(计算平均成绩)从打包到提交及运行 程序源码 import java.io.IOException; import java.util. ...

随机推荐

  1. PostgreSQL 数据库性能调优的注意点

    PostgreSQL提供了一些性能调优的功能.主要有如下几个方面.1.使用EXPLAIN   EXPLAIN命令可以查看执行计划,这个方法是我们最主要的调试工具. 2.及时更新执行计划中使用的统计信息 ...

  2. 【原创】关于class.forname

    连接数据库前都要调用一下class.forname("driverName");然后使用DriverMnager获取连接,这是为什么呢? 首先jdbc标准要求,每个驱动必须向Dri ...

  3. 推箱子小游戏《格鲁的实验室》13关 - bfs最短路径

    下载了一款推箱子小游戏,第13关的时候怎么也破不了最佳纪录(最少步数是9而我们最好的方案是10步),因为数据比较小(6*8的方阵),所以写了个BFS来找最短路. 游戏的目标是把小黄人推到黄色球,小绿人 ...

  4. shell基础编程

    首先要注意的是,Ubuntu里的shell的sh和bash命令是有区别的 如下所示,Ubuntu下的sh指向的dash程序,而bash是dash的增强版,一些bash上能执行的程序在dash上不行 如 ...

  5. 学习参考《Flask Web开发:基于Python的Web应用开发实战(第2版)》中文PDF+源代码

    在学习python Web开发时,我们会选择使用Django.flask等框架. 在学习flask时,推荐学习看看<Flask Web开发:基于Python的Web应用开发实战(第2版)> ...

  6. c++PrimerChap7类

    仅仅记录贴,按书上的做完了一边,想把private分离出来已经很难了.因为is用到的成员变量都是直接当做public使用的,如果要改的话可以考虑存储输入,让后用构造函数对类进行初始化. #includ ...

  7. Docker搭建MySQL的PXC集群

    原文:Docker搭建MySQL的PXC集群 一.简介 PXC属于一套近乎完美的mysql高可用集群解决方案,相比那些比较传统的基于主从复制模式的集群架构MHA和MM+keepalived,galer ...

  8. CentOS上手动配置nginx.services

    [Unit] Description=Dynamic web platform based on NGINX and LuaJIT After=network.target remote-fs.tar ...

  9. 【codeforces 128C】Games with Rectangle

    [题目链接]:http://codeforces.com/problemset/problem/128/C [题意] 让你一层一层地在n*m的网格上画k个递进关系的长方形;(要求一个矩形是包含在另外一 ...

  10. 4.有关日期格式属性改动常识,v$nls_parameters,between and,查询指定部门的员工信息,in和null,like模糊查询,order by后面能够跟:列名、表达式、别名、序号

     1 有关日期格式属性改动常识 NLS_DATE_FORMAT           DD-MON-RR select sysdate from dual; NLS_CURRENCY         ...