|
|
1 package zhouls.bigdata.myMapReduce.Star;
2
3
4 import java.io.IOException;
5 import org.apache.hadoop.conf.Configuration;
6 import org.apache.hadoop.conf.Configured;
7 import org.apache.hadoop.fs.FileSystem;
8 import org.apache.hadoop.fs.Path;
9 import org.apache.hadoop.io.Text;
10 import org.apache.hadoop.mapreduce.Job;
11 import org.apache.hadoop.mapreduce.Mapper;
12 import org.apache.hadoop.mapreduce.Partitioner;
13 import org.apache.hadoop.mapreduce.Reducer;
14 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
15 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
16 import org.apache.hadoop.util.Tool;
17 import org.apache.hadoop.util.ToolRunner;
18 /**
19 *
20 * @function 统计分别统计出男女明星最大搜索指数
21 * @author 小讲
22 */
23
24 /*
25 姓名 性别 搜索指数
26 李易峰 male 32670
27 朴信惠 female 13309
28 林心如 female 5242
29 黄海波 male 5505
30 成龙 male 7757
31 刘亦菲 female 14830
32 angelababy female 55083
33 王宝强 male 9472
34 郑爽 female 9279
35 周杰伦 male 42020
36 莫小棋 female 13978
37 朱一龙 male 10524
38 宋智孝 female 12494
39 吴京 male 6684
40 赵丽颖 female 24174
41 尹恩惠 female 5985
42 李金铭 female 5925
43 关之琳 female 7668
44 邓超 male 11532
45 钟汉良 male 8289
46 周润发 male 4808
47 甄子丹 male 5479
48 林妙可 female 5306
49 柳岩 female 8221
50 蔡琳 female 7320
51 张佳宁 female 6628
52 裴涩琪 female 5658
53 李晨 male 9559
54 周星驰 male 11483
55 杨紫 female 11094
56 全智贤 female 5336
57 张柏芝 female 9337
58 孙俪 female 7295
59 鲍蕾 female 5375
60 杨幂 female 20238
61 刘德华 male 19786
62 柯震东 male 6398
63 张国荣 male 5013
64 王阳 male 5169
65 李小龙 male 6859
66 林志颖 male 4512
67 林正英 male 5832
68 吴秀波 male 5668
69 陈伟霆 male 12817
70 陈奕迅 male 10472
71 赵又廷 male 5190
72 张馨予 female 35062
73 陈晓 male 17901
74 赵韩樱子 female 7077
75 乔振宇 male 8877
76 宋慧乔 female 5708
77 韩艺瑟 female 5426
78 张翰 male 7012
79 谢霆锋 male 6654
80 刘晓庆 female 5553
81 陈翔 male 7999
82 陈学冬 male 8829
83 秋瓷炫 female 6504
84 王祖蓝 male 6662
85 吴亦凡 male 16472
86 陈妍希 female 32590
87 倪妮 female 9278
88 高梓淇 male 7101
89 赵奕欢 female 7197
90 赵本山 male 12655
91 高圆圆 female 13688
92 陈赫 male 6820
93 鹿晗 male 32492
94 贾玲 female 5304
95 宋佳 female 6202
96 郭碧婷 female 5295
97 唐嫣 female 12055
98 杨蓉 female 10512
99 李钟硕 male 26278
100 郑秀晶 female 10479
101 熊黛林 female 26732
102 金秀贤 male 11370
103 古天乐 male 4954
104 黄晓明 male 10964
105 李敏镐 male 10512
106 王丽坤 female 5501
107 谢依霖 female 7000
108 陈冠希 male 9135
109 范冰冰 female 13734
110 姚笛 female 6953
111 彭于晏 male 14136
112 张学友 male 4578
113 谢娜 female 6886
114 胡歌 male 8015
115 古力娜扎 female 8858
116 黄渤 male 7825
117 周韦彤 female 7677
118 刘诗诗 female 16548
119 郭德纲 male 10307
120 郑恺 male 21145
121 赵薇 female 5339
122 李连杰 male 4621
123 宋茜 female 11164
124 任重 male 8383
125 李若彤 female 9968
126
127
128 得到：
129 angelababy female 55083
130 周杰伦 male 42020
131 */
132 public>
133 /**
134 * @function Mapper 解析明星数据
135 * @input key=偏移量 value=明星数据
136 * @output key=gender value=name+hotIndex
137 */
138 public static>
139 //在这个例子里，第一个参数Object是Hadoop根据默认值生成的，一般是文件块里的一行文字的行偏移数，这些偏移数不重要，在处理时候一般用不上
140 public void map(Object key,Text value,Context context) throws IOException,InterruptedException{
141 //拿：周杰伦 male 42020
142 //value=name+gender+hotIndex
143 String[] tokens = value.toString().split("\t");//使用分隔符\t，将数据解析为数组 tokens
144 String gender = tokens[1].trim();//性别,trim()是去除两边空格的方法
145 //tokens[0] tokens[1] tokens[2]
146 //周杰伦 male 42020
147 String nameHotIndex = tokens[0] + "\t" + tokens[2];//名称和关注指数
148 //输出key=gender value=name+hotIndex
149 context.write(new Text(gender), new Text(nameHotIndex));//写入gender是k2,nameHotIndex是v2
150 // context.write(gender,nameHotIndex);等价
151 //将gender和nameHotIndex写入到context中
152 }
153 }
154
155
156
157 /**
158 * @function Partitioner 根据sex选择分区
159 */
160 public static>
161 @Override
162 public int getPartition(Text key, Text value, int numReduceTasks){
163 String sex = key.toString();//按性别分区
164
165 // 默认指定分区 0
166 if(numReduceTasks==0)
167 return 0;
168
169 //性别为male 选择分区0
170 if(sex.equals("male"))
171 return 0;
172 //性别为female 选择分区1
173 if(sex.equals("female"))
174 return 1 % numReduceTasks;
175 //其他性别 选择分区2
176 else
177 return 2 % numReduceTasks;
178
179 }
180 }
181
182
183
184 /**
185 * @function 定义Combiner 合并 Mapper 输出结果
186 */
187 public static>
188 private Text text = new Text();
189 @Override
190 public void reduce(Text key, Iterable<Text> values, Context context)throws IOException, InterruptedException{
191 int maxHotIndex = Integer.MIN_VALUE;
192 int hotIndex = 0;
193 String name="";
194 for (Text val : values){//星型for循环，即把values的值传给Text val
195 String[] valTokens = val.toString().split("\\t");
196 hotIndex = Integer.parseInt(valTokens[1]);
197 if(hotIndex>maxHotIndex){
198 name = valTokens[0];
199 maxHotIndex = hotIndex;
200 }
201 }
202 text.set(name+"\t"+maxHotIndex);
203 context.write(key, text);
204 }
205 }
206
207
208
209 /**
210 * @function Reducer 统计男、女明星最高搜索指数
211 * @input key=gender value=name+hotIndex
212 * @output key=name value=gender+hotIndex(max)
213 */
214 public static>
215 @Override
216 public void reduce(Text key, Iterable<Text> values, Context context)throws IOException, InterruptedException{
217 int maxHotIndex = Integer.MIN_VALUE;
218
219 String name = " ";
220 int hotIndex = 0;
221 // 根据key，迭代 values 集合，求出最高搜索指数
222 for (Text val : values){//星型for循环，即把values的值传给Text val
223 String[] valTokens = val.toString().split("\\t");
224 hotIndex = Integer.parseInt(valTokens[1]);
225 if (hotIndex > maxHotIndex){
226 name = valTokens[0];
227 maxHotIndex = hotIndex;
228 }
229 }
230 context.write(new Text(name), new Text(key + "\t"+ maxHotIndex));//写入name是k3,key + "\t"+ maxHotIndex是v3
231 // context.write(name,key + "\t"+ maxHotIndex);//等价
232 }
233 }
234
235 /**
236 * @function 任务驱动方法
237 * @param args
238 * @return
239 * @throws Exception
240 */
241
242 public int run(String[] args) throws Exception{
243 // TODO Auto-generated method stub
244
245 Configuration conf = new Configuration();//读取配置文件，比如core-site.xml等等
246 Path mypath = new Path(args[1]);//Path对象mypath
247 FileSystem hdfs = mypath.getFileSystem(conf);//FileSystem对象hdfs
248 if (hdfs.isDirectory(mypath)){
249 hdfs.delete(mypath, true);
250 }
251
252 Job job = new Job(conf, "star");//新建一个任务
253 job.setJarByClass(Star.class);//主类
254
255 job.setNumReduceTasks(2);//reduce的个数设置为2
256 job.setPartitionerClass(ActorPartitioner.class);//设置Partitioner类
257
258 job.setMapperClass(ActorMapper.class);//Mapper
259 job.setMapOutputKeyClass(Text.class);//map 输出key类型
260 job.setMapOutputValueClass(Text.class);//map 输出value类型
261
262 job.setCombinerClass(ActorCombiner.class);//设置Combiner类
263
264 job.setReducerClass(ActorReducer.class);//Reducer
265 job.setOutputKeyClass(Text.class);//输出结果 key类型
266 job.setOutputValueClass(Text.class);//输出结果 value类型
267
268 FileInputFormat.addInputPath(job, new Path(args[0]));// 输入路径
269 FileOutputFormat.setOutputPath(job, new Path(args[1]));// 输出路径
270 job.waitForCompletion(true);//提交任务
271 return 0;
272 }
273
274
275 /**
276 * @function main 方法
277 * @param args
278 * @throws Exception
279 */
280 public static void main(String[] args) throws Exception{
281 // String[] args0 = { "hdfs://HadoopMaster:9000/star/star.txt",
282 // "hdfs://HadoopMaster:9000/out/star/" };
283 String[] args0 = { "./data/star/star.txt",
284 "./out/star" };
285
286 int ec = ToolRunner.run(new Configuration(), new Star(), args0);
287 System.exit(ec);
288 }
289 } |
|
QQ群⑧：
窥视卡
雷达卡
发表于 2017-12-18 13:14:36
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
千斤顶
显身卡