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

  1. 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 ...

  2. 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( ...

  3. 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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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

  1. 3、iptables扩展及使用

    iptables/netfilter netfilter: kernel framework,位于内核中的协议框架 iptables  是规则管理命令行工具 四表:filter, nat, mangl ...

  2. HANA 与 Oracle 12c哪一个更快

    本文来自于对Which is Faster HANA or Oracle 12C?的阅读笔记,列举了其中的要点.并不代表我的观点. 简介 SAP声称HANA是最快的数据库,因此SAP的新ERP系统S4 ...

  3. python测试

    [链接]JointhePythonDeveloperscommunityonSlack! http://pythondevelopers.herokuapp.com/

  4. 【Java】【路径】

    [java中Class.getResource用法(用于配置文件的读取)] 用JAVA获取文件,听似简单,但对于很多像我这样的新人来说,还是掌握颇浅,用起来感觉颇深,大常最经常用的,就是用JAVA的F ...

  5. Linux下解包/打包，压缩/解压命令

    .tar 解包:tar xvf FileName.tar 打包:tar cvf fileName.tar DirName tar.gz和.tgz 解压:tar zxvf FileName.tar.zi ...

  6. leecode第二十三题（合并K个排序链表）

    /** * Definition for singly-linked list. * struct ListNode { * int val; * ListNode *next; * ListNode ...

  7. conda-使用手册

    conda remove -n tf --all ##删除环境 conda env export -- name ##首先导出配置文件: conda env create -f name.yml ## ...

  8. Implicit super constructor Object() is undefined for default constructor. Must define an explicit constructor

    转自:https://blog.csdn.net/u013125680/article/details/43887987 解决方案:把java的类库加载进去,在工程上右键选择属性->Java B ...

  9. linux计划任务防暴力破解脚本+免密操作

    1.在root创建satools目录 mkdir satools 2.编辑防破解脚本 vi fpj.sh #!/bin/bash #zsl -xie cat /var/log/secure|awk ' ...

  10. thinkphp5中如何使用 usort

    thinkphp5中如何使用 usort 一.总结 一句话总结:其实比较函数加上命名空间就好啦,不然找不到 比较函数加命名空间 数组做usort的第二个参数 usort($question_list, ...