MapReduce--平均分，最高，低分以及及格率的计算

计算班级的平均分，以及个人的最高最低分，以及每个班级的及格率。

来先看一下我的数据。

时间			班级		姓名		科目			成绩

20180501 		1708a1 		li 		bishi 			80

20180501 		1708a1 		li 		jishi 			55

20180501 		1708a1 		li 		project 		90

20180501 		1708a1 		li2		bishi 			80

20180501 		1708a1 		li2		jishi 			20

20180501 		1708a1 		li2		project 		90

20180501 		1708a1 		li3		bishi 			50

20180501 		1708a1 		li3		jishi 			70

20180501 		1708a1 		li3		project 		60

20180501 		1708a1 		zhangsan 	bishi 			88

20180501 		1708a1 		zhangsan 	jishi 			55

20180501 		1708a1 		zhangsan 	project 		98

20180501 		1708a1 		lishi 		bishi 			18

20180501 		1708a1 		lishi 		jishi 			15

20180501 		1708a1 		lishi 		project 		15

20180501 		1708a1 		wangwu		bishi 			88

20180501 		1708a1 		wangwu		jishi 			76

20180501 		1708a1 		wangwu		project 		70

20180501 		1708a2 		li1 		bishi 			80

20180501 		1708a2 		li1 		jishi 			71

20180501 		1708a2 		li1 		project 		96

20180501 		1708a2 		li2 		bishi 			80

20180501 		1708a2 		li2 		jishi 			26

20180501 		1708a2 		li2 		project 		90

20180501 		1708a2 		li3 		bishi 			80

20180501 		1708a2 		li3 		jishi 			55

20180501 		1708a2 		li3 		project 		90

20180501 		1708a2 		zhangliang 	bishi 			81

20180501 		1708a2 		zhangliang 	jishi 			55

20180501 		1708a2 		zhangliang 	project 		98

20180501 		1708a2 		liuli 		bishi	 		70

20180501 		1708a2 		liuli 		jishi 			95

20180501 		1708a2 		liuli 		project 		75

20180501 		1708a2 		wangwu 		bishi 			80

20180501 		1708a2 		wangwu 		jishi 			76

20180501 		1708a2 		wangwu 		project 		70

20180501 		1708a2 		zhangxi 	bishi 			18

20180501 		1708a2 		zhangxi 	jishi 			16

20180501 		1708a2 		zhangxi 	project 		10

数据之间是空格。。。。

代码来了 -- 平均分，最高分，最低分

package com.huhu.day01;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Job;

import org.apache.hadoop.mapreduce.Mapper;

import org.apache.hadoop.mapreduce.Reducer;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

/**

 * 切割文本: 平均分，最高低分

 *

 * @author huhu_k

 *

 */

public class HomeWork2 {

	// map

	public static class MyMapper extends Mapper<LongWritable, Text, Text, Text> {

		Text keys = new Text();

		Text values = new Text();

		@Override

		protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

			// 数据切割方式(文本中的内容)

			// 按行分

			String[] line = value.toString().split(" ");

			keys.set(line[0] + ":" + line[2]);

			values.set(line[3] + ":" + line[4]);

			context.write(keys, values);

		}

	}

	// reduce

	public static class MyReducer extends Reducer<Text, Text, Text, Text> {

		@Override

		protected void reduce(Text key, Iterable<Text> value, Context context)

				throws IOException, InterruptedException {

			int max = Integer.MIN_VALUE;

			int min = Integer.MAX_VALUE;

			// 和

			int sum = 0;

			// 人数

			int count = 0;

			// 分数

			int score = 0;

			String classs = "";

			for (Text t : value) {

				classs = t.toString().split(":")[0];

				score = Integer.parseInt(t.toString().split(":")[1]);

				if (max < score)

					max = score;

				if (min > score)

					min = score;

				switch (classs) {

				case "bishi":

					score += score * 0.4;

					break;

				case "jishi":

					score += score * 0.3;

					break;

				case "project":

					score += score * 0.3;

					break;

				}

				sum += score;

				count++;

			}

			int avg = (int) sum / count;

			String[] student = key.toString().split(":");

			Text ky = new Text(student[0] + "\t" + student[1]);

			context.write(ky, new Text("平均分   " + avg));

			context.write(ky, new Text("最高值为   " + max));

			context.write(ky, new Text("最低值  " + min));

		}

	}

	public static void main(String[] args) throws Exception {

		// 配置容器

		Configuration conf = new Configuration();

		// 创建一个job

		@SuppressWarnings("deprecation")

		Job job = new Job(conf, "MyMapReduce Two");

		// 配置job

		job.setJarByClass(HomeWork2.class);

		job.setMapperClass(MyMapper.class);

		job.setMapOutputKeyClass(Text.class);

		job.setMapOutputValueClass(Text.class);

		job.setReducerClass(MyReducer.class);

		job.setOutputKeyClass(Text.class);

		job.setOutputValueClass(Text.class);

		// 输入输出

		FileInputFormat.addInputPath(job, new Path(args[0]));

		FileOutputFormat.setOutputPath(job, new Path(args[1]));

		// 执行程序

		boolean waitForCompletion = job.waitForCompletion(true);

		System.exit(waitForCompletion ? 0 : 1);

	}

}

运行结果：

2.及格率

package com.huhu.day01;

import java.io.IOException;

import java.text.DecimalFormat;

import java.util.HashMap;

import java.util.Map;

import org.apache.hadoop.conf.Configuration;

import org.apache.hadoop.fs.Path;

import org.apache.hadoop.io.LongWritable;

import org.apache.hadoop.io.Text;

import org.apache.hadoop.mapreduce.Job;

import org.apache.hadoop.mapreduce.Mapper;

import org.apache.hadoop.mapreduce.Reducer;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

/**

 * 切割文本:及格率

 *

 * @author huhu_k

 *

 */

public class HomeWork3 {

	// map

	public static class MyMapper extends Mapper<LongWritable, Text, Text, Text> {

		Text keys = new Text();

		Text values = new Text();

		@Override

		protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {

			// 数据切割方式(文本中的内容)

			// 按行分

			String[] line = value.toString().split(" ");

			keys.set(line[0] + ":" + line[1]);

			context.write(keys, value);

		}

	}

	// reduce

	public static class MyReducer extends Reducer<Text, Text, Text, Text> {

		Map<String, Double> map = new HashMap<>();

		Map<String, String> maps = new HashMap<>();

		@Override

		protected void reduce(Text key, Iterable<Text> value, Context context)

				throws IOException, InterruptedException {

			for (Text t : value) {

				String[] values = t.toString().split(" ");

				String student = values[2] + ":" + values[0] + ":" + values[1];

				String subject = values[3];

				double score = Integer.valueOf(values[4]);

				if ("bishi".equals(subject)) {

					score *= 0.4;

				} else {

					score *= 0.3;

				}

				// 如果map中有学生，累加学生的没门课程的分数

				if (map.containsKey(student)) {

					double scores = map.get(student);

					scores += score;

					map.put(student, scores);

				} else {

					// 第一次进入时不包含，则直接添加

					map.put(student, score);

				}

			}

			for (Map.Entry<String, Double> m : map.entrySet()) {

				String classname = m.getKey().split(":")[2];

				Double score = m.getValue();

				if (maps.containsKey(classname) && score >= 60) {

					String k = Integer.parseInt(maps.get(classname).split(":")[0]) + 1 + "";

					String v = Integer.parseInt(maps.get(classname).split(":")[1]) + 1 + "";

					maps.put(classname, k + ":" + v);

				} else if (maps.containsKey(classname) && score < 60) {

					String k = Integer.parseInt(maps.get(classname).split(":")[0]) + 1 + "";

					String v = Integer.parseInt(maps.get(classname).split(":")[1]) + "";

					maps.put(classname, k + ":" + v);

				} else if (!maps.containsKey(classname) && score < 60) {

					maps.put(classname, "1:0");

				} else if (!maps.containsKey(classname) && score >= 60) {

					maps.put(classname, "1:1");

				}

			}

		}

		@Override

		protected void cleanup(Reducer<Text, Text, Text, Text>.Context context)

				throws IOException, InterruptedException {

			for (Map.Entry<String, String> m : maps.entrySet()) {

				DecimalFormat d = new DecimalFormat("0.00%");

				double pass = Double.valueOf(m.getValue().split(":")[1]) / Double.valueOf(m.getValue().split(":")[0]);

				context.write(new Text(m.getKey()), new Text("及格率为:" + d.format(pass)));

			}

		}

	}

	public static void main(String[] args) throws Exception {

		// 配置容器

		Configuration conf = new Configuration();

		// 创建一个job

		@SuppressWarnings("deprecation")

		Job job = new Job(conf, "MyMapReduce Count");

		// 配置job

		job.setJarByClass(HomeWork3.class);

		job.setMapperClass(MyMapper.class);

		job.setMapOutputKeyClass(Text.class);

		job.setMapOutputValueClass(Text.class);

		job.setReducerClass(MyReducer.class);

		job.setOutputKeyClass(Text.class);

		job.setOutputValueClass(Text.class);

		// 输入输出

		FileInputFormat.addInputPath(job, new Path(args[0]));

		FileOutputFormat.setOutputPath(job, new Path(args[1]));

		// 执行程序

		boolean waitForCompletion = job.waitForCompletion(true);

		System.exit(waitForCompletion ? 0 : 1);

	}

}

MapReduce一个分布式并行离线计算框架。我们只需要知道map()，reduce(),input,output，剩下的由框架完成

基于yarn的工作流程

MapReduce--平均分，最高，低分以及及格率的计算的更多相关文章

MapReduce Input Split 输入分/切片
MapReduce Input Split(输入分/切片)详解 public static long getMaxSplitSize(JobContext context) { return cont ...
mysql计算时间差-本例为计算分钟差然后/60计算小时保留一位小数，由于直接得小时只会取整
-- ORDER_TIME datetime NOT NULL(字段类型)SELECTso.`ID`,so.`ORDER_TIME`,NOW(),CONCAT(ROUND(TIMESTAMPDIFF( ...
sql面试50题------（11-20）
文章目录 11.查询至少有一门课与学号为'01'的学生所学课程相同的学生的学号和姓名 12.查询和'01'号同学所学课程完全相同的其他同学的学号 13.查询两门及其以上不及格课程的同学的学号,姓名及其 ...
MapReduce原理与设计思想
简单解释 MapReduce 算法一个有趣的例子你想数出一摞牌中有多少张黑桃.直观方式是一张一张检查并且数出有多少张是黑桃? MapReduce方法则是: 给在座的所有玩家中分配这摞牌让每个玩家 ...
MapReduce: 一种简化的大规模集群数据处理法
(只有文字没有图,图请参考http://research.google.com/archive/mapreduce.html) MapReduce: 一种简化的大规模集群数据处理法翻译:风里来雨里去 ...
MapReduce极简教程
一个有趣的例子你想数出一摞牌中有多少张黑桃.直观方式是一张一张检查并且数出有多少张是黑桃? MapReduce方法则是: 给在座的所有玩家中分配这摞牌让每个玩家数自己手中的牌有几张是黑桃,然后 ...
大数据 --> MapReduce原理与设计思想
MapReduce原理与设计思想简单解释 MapReduce 算法一个有趣的例子:你想数出一摞牌中有多少张黑桃.直观方式是一张一张检查并且数出有多少张是黑桃? MapReduce方法则是: 给在座 ...
Hadoop(17)-MapReduce框架原理-MapReduce流程,Shuffle机制,Partition分区
MapReduce工作流程 1.准备待处理文件 2.job提交前生成一个处理规划 3.将切片信息job.split,配置信息job.xml和我们自己写的jar包交给yarn 4.yarn根据切片规划计 ...
转：MapReduce原理与设计思想
转自:http://www.cnblogs.com/wuyudong/p/mapreduce-principle.html 简单解释 MapReduce 算法一个有趣的例子你想数出一摞牌中有多少张 ...

随机推荐

jquery 获取元素(父节点,子节点,兄弟节点),元素筛选
一, js 获取元素(父节点,子节点,兄弟节点) var test = document.getElementById("test"); var parent = test.p ...
Http_code码
_codes = { : (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: (: ...
[luogu]P1852跳跳棋
题目重点是每次不能跳过两个棋子即对于每一个棋子的状态(a,b,c) (a<b<c) 最多有两种移动的方式 1.中间往两边跳 (a,b,c)-->(2b-a,a,c)或(a,c,2b ...
前端UI框架总结
H-ui 前端框架架起设计与后端的桥梁轻量级前端框架,简单免费,兼容性好,服务中国网站. 官网:http://www.h-ui.net/H-ui.admin.shtml github下载:https ...
Android之使用传感器获取相应数据
Android的大部分手机中都有传感器,传感器类型有方向.加速度(重力).光线.磁场.距离(临近性).温度等. 方向传感器: Sensor.TYPE_ORIENTATION 加速度(重力)传感器: ...
Log4j日志依赖
<dependency> <groupId>log4j ...
【Python】【数据库】
#[[数据库]]'''MySQL是Web世界中使用最广泛的数据库服务器.SQLite的特点是轻量级.可嵌入,但不能承受高并发访问,适合桌面和移动应用.而MySQL是为服务器端设计的数据库,能承受高并发 ...
使用ajax无法跨源问题总结
参考文章: 浏览器同源政策及其规避方法跨域资源共享 CORS 详解使用jQuery实现跨域提交表单数据 <form action="http://v.juhe.cn/weather ...
力扣（LeetCode） 217. 存在重复元素
给定一个整数数组,判断是否存在重复元素. 如果任何值在数组中出现至少两次,函数返回 true.如果数组中每个元素都不相同,则返回 false. 示例 1: 输入: [1,2,3,1] 输出: true ...
Codeforces 797E - Array Queries
E. Array Queries 题目链接:http://codeforces.com/problemset/problem/797/E time limit per test 2 seconds m ...

MapReduce--平均分，最高，低分以及及格率的计算

MapReduce--平均分，最高，低分以及及格率的计算的更多相关文章

随机推荐

热门专题