MapReduce实战：邮箱统计及多输出格式实现

　　紧接着上一篇博文我们学习了MapReduce得到输出格式之后，在这篇博文里，我们将通过一个实战小项目来熟悉一下MultipleOutputs（多输出）格式的用法。

项目需求：

　　假如这里有一份邮箱数据文件，我们期望统计邮箱出现次数并按照邮箱的类别，将这些邮箱分别输出到不同文件路径下（MultipleOutputs）。数据集示例如下所示。

　　wolys@21cn.com

　　zss1984@126.com

　　294522652@qq.com

　　simulateboy@163.com

　　zhoushigang_123@163.com

　　sirenxing424@126.com

　　lixinyu23@qq.com

　　chenlei1201@gmail.com

　　370433835@qq.com

　　cxx0409@126.com

　　viv093@sina.com

　　q62148830@163.com

　　65993266@qq.com

　　summeredison@sohu.com

　　zhangbao-autumn@163.com

　　diduo_007@yahoo.com.cn

　　fxh852@163.com

　　下面我们编写 MapReduce 程序，实现上述业务需求。

项目实现：

　　新建一个EmailCount.java类，在其中编写一下程序

package com.hadoop.OutputFormat;

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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;
import org.apache.hadoop.mapreduce.lib.output.MultipleOutputs;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class EmailCount extends Configured implements Tool{

    public static class MailMapper extends Mapper< LongWritable, Text, Text, IntWritable> {
        private final static IntWritable one = new IntWritable(1);

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            context.write(value, one);
        }
    }

    public static class MailReducer extends Reducer< Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();
        private MultipleOutputs< Text, IntWritable> multipleOutputs;

        @Override
        protected void setup(Context context) throws IOException ,InterruptedException{
            multipleOutputs = new MultipleOutputs< Text, IntWritable>(context);
        }
        protected void reduce(Text Key, Iterable< IntWritable> Values,Context context) throws IOException, InterruptedException {
            //294522652@qq.com
            int begin = Key.toString().indexOf("@");
            int end = Key.toString().indexOf(".");
               if(begin>=end){
                return;
            }
            //获取邮箱类别，比如 qq
            String name = Key.toString().substring(begin+1, end);
            int sum = 0;
            for (IntWritable value : Values) {
                sum += value.get();
            }
            result.set(sum);
            multipleOutputs.write(Key, result, name);
        }
        @Override
        protected void cleanup(Context context) throws IOException ,InterruptedException
        {
            multipleOutputs.close();
        }
    }

    @Override
    public int run(String[] args) throws Exception {
        Configuration conf = new Configuration();// 读取配置文件

        Path mypath = new Path(args[1]);
        FileSystem hdfs = mypath.getFileSystem(conf);//创建输出路径
        if (hdfs.isDirectory(mypath)) {
            hdfs.delete(mypath, true);
        }
        Job job = Job.getInstance();// 新建一个任务
        job.setJarByClass(EmailCount.class);// 主类

        FileInputFormat.addInputPath(job, new Path(args[0]));// 输入路径
        FileOutputFormat.setOutputPath(job, new Path(args[1]));// 输出路径

        job.setMapperClass(MailMapper.class);// 设置Mapper类
        job.setReducerClass(MailReducer.class);// 设置Reducer类

        job.setOutputKeyClass(Text.class);// key输出类型
        job.setOutputValueClass(IntWritable.class);// value输出类型

        job.waitForCompletion(true);
        return 0;
    }

    public static void main(String[] args) throws Exception {
        String[] args0 = {
                "hdfs://Centpy:9000/email/email.txt",
                "hdfs://Centpy:9000/email/outputs/"
        };
        int ec = ToolRunner.run(new Configuration(), new EmailCount(), args0);
        System.exit(ec);
    }
}

项目测试：

　　首先，我们的输入文件如下所示。

　　将项目文件导出为JAR文件，然后上传到Hadoop集群上。

　　运行以下指令

hadoop jar EmailCount.jar com.hadoop.OutputFormat.EmailCount /email /email/outputs

项目结果：

　　项目测试结果如下所示

　　从结果可以看出，我们通过MapReduce成功实现了邮箱统计的MultipleOutputs格式，即将邮箱进行分类，然后每一个类型的邮箱单独存储到一个输出文件中，并在其中显示邮箱的统计次数。

以上就是博主为大家介绍的这一板块的主要内容，这都是博主自己的学习过程，希望能给大家带来一定的指导作用，有用的还望大家点个支持，如果对你没用也望包涵，有错误烦请指出。如有期待可关注博主以第一时间获取更新哦，谢谢！

版权声明：本文为博主原创文章，未经博主允许不得转载。