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. 利用SignalR来同步更新Winfrom

    之前写了个用Socket来更新多个Winfrom的试例,这两天看了下SignalR,也用这个来试一下 SignalR 地址:https://www.asp.net/signalr 我这个也是基于 ht ...

  2. servlet中Session的用法

    ## (1)什么是Session? 服务器端为了保存用户的状态而创建的一个特殊的对象(即session对象).          当浏览器第一次访问服务器时,服务器会创建session对象(该    ...

  3. K8s初探

    1. K8s概述 2. K8s的工作原理 什么是K8s 用法: 核心概念             集群 Kubernetes Master Node Pod Lable Replication Con ...

  4. Redis散杂记

    Redis是一款很火的KV模式的内存数据库,与众不同的特点: 1.数据存储在内存 内存的读取速度仅次于CPU的寄存器.各等级缓存,“英雄”自动敏捷属性,特点就是快.高效.因此不需要类似存储磁盘的数据库 ...

  5. 学习参考:《Python语言及其应用》中文PDF+英文PDF+代码

    学习简单的数据类型,以及基本的数学和文本操作,学习用Python内置的数据结构来处理数据: 掌握Python的代码结构和函数的用法:使用模块和包编写大规模Python程序:深入理解对象.类和其他面向对 ...

  6. AWS中国EC2 公网IP登录免pemKEY修改shh 配置文件

    个人使用记录 1:KEY 授权 chmod 400 VPN.pem 2:连接 ssh -i "VPN.pem" ubuntu@ec2-54-183-119-93.us-west-1 ...

  7. 解决Vue引入百度地图JSSDK:BMap is undefined 问题

    百度地图官网文档介绍使用JSSDK时,仅提供了2种引入方式: script引入 异步加载 解决跨域问题,实例调用百度地图 但vue项目中仅某一两个页面需要用到百度地图,所以不想在 index.html ...

  8. Python seed() 函数--每次产生一样的随机数系列

    import random random.seed( 10 ) print("Random number with seed 10 : ", random.random()) #0 ...

  9. POJ 2607 Fire Station

    Fire Station Time Limit: 5000ms Memory Limit: 65536KB This problem will be judged on PKU. Original I ...

  10. Java 学习(11): 面向对象编程—继承(super,this)

    Java 继承 what: 继承就是子类继承父类的特征和行为,使得子类对象(实例)具有父类的实例域和方法,或子类从父类继承方法,使得子类具有父类相同的行为.子类从它的父类中继承可访问的数据域和方法,也 ...