对result文件进行数据清洗以及进行可视化

项目源码地址：https://github.com/gayu121/result（项目里操作的数据都是清洗过后的数据）

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

（2）第二阶段：根据提取出来的信息做精细化操作

（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。

由于所给的文件是一个TXT文档，数据项之间用逗号隔开，格式如图：

所以需要对数据首先进行清洗，变为用Tab建作为分隔的数据项，在此我弄了很久找不到合适的方法，在同学的指点下使用排序的算法，以id为数据项进行了排序，将数据清洗为要求格式，第二阶段的细化过程也就同理了，在这里附上细化使用的代码

package test3;

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
public class Order2 {
    public static class Map extends Mapper<Object , Text , IntWritable,Text >{
        private static Text goods=new Text();
        private static IntWritable num=new IntWritable();
        public void map(Object key,Text value,Context context) throws IOException, InterruptedException{
        String line=value.toString();
        String arr[]=line.split("[\t/:]" );  //主要就是根据这几个特殊字符进行分割，然后按照下面的格式输出到指定文件
        num.set(Integer.parseInt(arr[]));
        goods.set(arr[] + "\t"  + arr[] +"-11-10" +" " + arr[] +":" + arr[]+":" +arr[] +"\t"+ arr[] + "\t" + arr[] + "\t"+arr[] );
        context.write(num,goods);
        }
        }
        public static class Reduce extends Reducer< IntWritable, Text, IntWritable, Text>{
        private static IntWritable result= new IntWritable();
        public void reduce(IntWritable key,Iterable<Text> values,Context context) throws IOException, InterruptedException{
            for(Text val:values){
            context.write(key,val);
            }
        }
            }
            public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{
            Configuration conf=new Configuration();
            Job job =new Job(conf,"OneSort");
            job.setJarByClass(Order.class);
            job.setMapperClass(Map.class);
            job.setReducerClass(Reduce.class);
            job.setOutputKeyClass(IntWritable.class);
            job.setOutputValueClass(Text.class);
            job.setInputFormatClass(TextInputFormat.class);
        job.setOutputFormatClass(TextOutputFormat.class);
            Path in=new Path("hdfs://192.168.43.102:9000/test/res1/part-r-00000");
            Path out=new Path("hdfs://192.168.43.102:9000/test/res2");
            FileInputFormat.addInputPath(job,in);
            FileOutputFormat.setOutputPath(job,out);
            System.exit(job.waitForCompletion(true) ?  : );  

            }
            }  

然后第二问就是利用一个MapReduce的统计的方法，针对不同的条件进行计数，然后利用排序算法进行排序，这一块儿的代码在项目里都有，感性趣的话可以到github里下载。

然后在可视化是遇到了一些问题，就是对于那个城市的IP（估计是由于字符太长，无法在echarts中显示）可以打印输出就是不能生成表格，所以那些数据项我就用IP1.....代替了。还有一个问题就是在根据字符串循环时老是说我数组越界，然后我就自己写了一个循环，只有10个数据元，就解决了。

以下是可视化的截图（我用了echarts中的三种显示形式）：

柱状图：

折线图：

饼状图：