`
yangfuchao418
  • 浏览: 165796 次
  • 性别: Icon_minigender_1
  • 来自: 上海
社区版块
存档分类
最新评论

Hadoop完整代码小程序

阅读更多

    前言:Hadoop当时我们弄时几乎没有什么中文文档。现在介绍的资料已经很多了,我就不再赘述。
    业务描述:设定inputpath和ouputpath,根据访问日志分析某一个应用访问某一个API的总次数和总流量,统计后分别输出到两个文件中。注意:本案例我是改自阿里巴巴文初的那篇文章,他用的是0.17的版本,现在新的版本有很大的变动,我使用最新的0.20.2来改写了。

public class LogAnalysiser {
	public static class MapClass
			extends
			org.apache.hadoop.mapreduce.Mapper<LongWritable, Text, Text, LongWritable>

	{
		public void map(LongWritable key, Text value,
				OutputCollector<Text, LongWritable> output, Reporter reporter)

		throws IOException

		{
			String line = value.toString();// 没有配置RecordReader,所以默认采用line的实现,key就是行号,value就是行内容

			if (line == null || line.equals(""))

				return;

			String[] words = line.split(",");

			if (words == null || words.length < 8)

				return;

			String appid = words[1];

			String apiName = words[2];

			LongWritable recbytes = new LongWritable(Long.parseLong(words[7]));

			Text record = new Text();

			record.set(new StringBuffer("flow::").append(appid)

			.append("::").append(apiName).toString());

			reporter.progress();

			output.collect(record, recbytes);// 输出流量的统计结果,通过flow::作为前缀来标示。

			record.clear();

			record.set(new StringBuffer("count::").append(appid).append("::")
					.append(apiName).toString());

			output.collect(record, new LongWritable(1));// 输出次数的统计结果,通过count::作为前缀来标示

		}
	}
	public static class PartitionerClass extends
			org.apache.hadoop.mapreduce.Partitioner<Text, LongWritable>

	{
		public int getPartition(Text key, LongWritable value, int numPartitions)

		{

			if (numPartitions >= 2)// Reduce 个数,判断流量还是次数的统计分配到不同的Reduce

				if (key.toString().startsWith("flow::"))

					return 0;
				else
					return 1;
			else

				return 0;
		}

		/*public void configure(JobConf job) {
		}*/
         public void configure(Job job) {
		}
	}

	public static class ReduceClass
			extends
			org.apache.hadoop.mapreduce.Reducer<Text, LongWritable, Text, LongWritable>

	{
		public void reduce(Text key, Iterator<LongWritable> values,

		OutputCollector<Text, LongWritable> output, Reporter reporter)
				throws IOException
		{

			Text newkey = new Text();

			newkey.set(key.toString().substring(
					key.toString().indexOf("::") + 2));

			LongWritable result = new LongWritable();

			long tmp = 0;

			int counter = 0;

			while (values.hasNext())// 累加同一个key的统计结果

			{

				tmp = tmp + values.next().get();

				counter = counter + 1;// 担心处理太久,JobTracker长时间没有收到报告会认为TaskTracker已经失效,因此定时报告一下

				if (counter == 1000)

				{

					counter = 0;

					reporter.progress();

				}

			}

			result.set(tmp);

			output.collect(newkey, result);// 输出最后的汇总结果

		}

	}

	public static class CombinerClass
			extends
			org.apache.hadoop.mapreduce.Reducer<Text, LongWritable, Text, LongWritable>

	{

		public void reduce(Text key, Iterator<LongWritable> values,

		OutputCollector<Text, LongWritable> output, Reporter reporter)
				throws IOException

		{
			LongWritable result = new LongWritable();
			long tmp = 0;
			while (values.hasNext())// 累加同一个key的统计结果
			{

				tmp = tmp + values.next().get();
			}

			result.set(tmp);
		}

	}

	public static void main(String[] args)

	{

		try

		{

			run(args);

		} catch (Exception e)

		{

			e.printStackTrace();

		}

	}

	public static void run(String[] args) throws Exception

	{

		if (args == null || args.length < 2)

		{

			System.out.println("need inputpath and outputpath");

			return;

		}

		String inputpath = args[0];

		String outputpath = args[1];

		String shortin = args[0];

		String shortout = args[1];

		if (shortin.indexOf(File.separator) >= 0)

			shortin = shortin.substring(shortin.lastIndexOf(File.separator));

		if (shortout.indexOf(File.separator) >= 0)

			shortout = shortout.substring(shortout.lastIndexOf(File.separator));

		SimpleDateFormat formater = new SimpleDateFormat("yyyy.MM.dd");

		shortout = new StringBuffer(shortout).append("-")

		.append(formater.format(new Date())).toString();

		if (!shortin.startsWith("/"))

			shortin = "/" + shortin;

		if (!shortout.startsWith("/"))

			shortout = "/" + shortout;

		shortin = "/user/root" + shortin;

		shortout = "/user/root" + shortout;

		File inputdir = new File(inputpath);

		File outputdir = new File(outputpath);

		if (!inputdir.exists() || !inputdir.isDirectory())

		{

			System.out.println("inputpath not exist or isn't dir!");

			return;

		}

		if (!outputdir.exists())

		{

			new File(outputpath).mkdirs();

		}
		Configuration conf = new Configuration();
		Job job = new Job(conf, "analysis job");
		job.setJarByClass(LogAnalysiser.class);
		// JobConf conf = new JobConf(new Configuration(),
		// LogAnalysiser.class);// 构建Config

		FileSystem fileSys = FileSystem.get(conf);

		fileSys.copyFromLocalFile(new Path(inputpath), new Path(shortin));// 将本地文件系统的文件拷贝到HDFS中

		job.setJobName("analysisjob");

		job.setOutputKeyClass(Text.class);// 输出的key类型,在OutputFormat会检查

		job.setOutputValueClass(LongWritable.class); // 输出的value类型,在OutputFormat会检查

		job.setMapperClass(MapClass.class);

		job.setCombinerClass(CombinerClass.class);

		job.setReducerClass(ReduceClass.class);

		job.setPartitionerClass(PartitionerClass.class);

		// job.set("mapred.reduce.tasks", "2");//老版本中的写法
		// 强制需要有两个Reduce来分别处理流量和次数的统计,现在的版本中已经没有这个方法了
		job.setNumReduceTasks(2);//新版本0.22.x中的方法
		FileInputFormat.setInputPaths(job, shortin);// hdfs中的输入路径

		FileOutputFormat.setOutputPath(job, new Path(shortout));// hdfs中输出路径

		Date startTime = new Date();

		System.out.println("Job started: " + startTime);

		// JobClient.runJob(job);

		Date end_time = new Date();

		System.out.println("Job ended: " + end_time);

		System.out.println("The job took "
				+ (end_time.getTime() - startTime.getTime()) / 1000
				+ " seconds.");

		// 删除输入和输出的临时文件

		fileSys.copyToLocalFile(new Path(shortout), new Path(outputpath));

		fileSys.delete(new Path(shortin), true);

		fileSys.delete(new Path(shortout), true);

	}
}



//执行类
public class ExampleDriver {

  public static void main(String argv[]){

    ProgramDriver pgd = new ProgramDriver();

    try {

      pgd.addClass("analysislog", LogAnalysiser.class, "A map/reduce program that analysis log .");

      pgd.driver(argv);

    }

    catch(Throwable e){

      e.printStackTrace();

    }

  }

}
分享到:
评论
7 楼 leonardo 2011-01-25  
谢谢,几个小问题:
1、Mapper 和 Reducer为什么还用的是0.19的版本呢,job倒是0.2的版本了
2、map里不要用split, StringTokenizer都很少用,效率太低,一般只用indexOf,效率提高20倍.
3、你这个例子比较特殊 combiner和reducer执行了同样的操作,那还有必要写combiner吗? 而且造成误解, 让人以为combiner和reducer一样就行了,那复杂点的mapreduce必然会出错.

那个count=count+1防止taskrunner报错的小窍门, 特别好.
6 楼 yangfuchao418 2010-12-16  
apaky 写道
曾经自己看过hadoop相关的书,但是感觉有纸上谈兵的感觉;毕竟没有比较大的应用平台的话,看再多的资料也不见得有用;建议先读一下google的那篇论文,了解一下MapReduce的思想;然后怎样学习,怎样练习,大家不妨一起讨论一下。

那些是基本,做之前当然要先看
5 楼 apaky 2010-11-30  
曾经自己看过hadoop相关的书,但是感觉有纸上谈兵的感觉;毕竟没有比较大的应用平台的话,看再多的资料也不见得有用;建议先读一下google的那篇论文,了解一下MapReduce的思想;然后怎样学习,怎样练习,大家不妨一起讨论一下。
4 楼 david.org 2010-05-05  
建议楼主把代码以附件的形式给出, 多点文字.
3 楼 sunjun 2010-04-26  
这个东西用什么用,用在什么场景中?
2 楼 steafler 2010-04-26  
这个东西还在研究中。
1 楼 cmzx3444 2010-04-24  
完整的代码能补上传一个啊,我也在研究这个,刚刚照着文档在虚拟机下开了集群。程序还不是很清楚怎么写,哈哈

相关推荐

    hadoop源代码存档

    这个"hadopp源代码存档"包含了Hadoop项目的完整源代码,供开发者深入理解其内部机制,进行二次开发或优化。 一、Hadoop核心组件 Hadoop主要由两个核心组件构成:Hadoop Distributed File System (HDFS) 和 ...

    深入云计算 Hadoop源代码分析

    ### 深入云计算 Hadoop源代码分析 #### 一、引言 随着大数据时代的到来,数据处理成为了各个领域中的关键技术之一。Hadoop作为一个开源的大数据处理框架,因其优秀的分布式计算能力,在业界得到了广泛的应用。...

    Hadoop集群程序设计与开发教材最终代码.zip

    《Hadoop集群程序设计与开发教材最终代码》这个压缩包文件是针对学习和理解Hadoop分布式计算框架的重要教学资源。Hadoop是Apache软件基金会开发的一个开源项目,它为大规模数据处理提供了一种分布式、容错性强的解决...

    hadoop权威指南代码(Hadoop: The Definitive Guide code)

    MapReduce是Hadoop处理大数据的主要计算模型,它将大规模数据处理任务分解为小的“映射”和“化简”任务,分别在集群的不同节点上并行执行。书中可能包含了各种MapReduce示例,如WordCount程序,用于统计文本中单词...

    hadoop初级程序源代码

    这是关于hadoop里面程序代码,有wordcount ,partition,onejoin, score,health,dedup,程序. 有.java,也有jar. 提示必须先装上hadoop才能运行

    hadoop 源代码归档

    6. **Hadoop Shell命令**:Hadoop提供了丰富的命令行工具,如`hadoop fs`用于执行文件操作,`hadoop jar`用于运行MapReduce程序,`hadoop dfsadmin`用于管理系统设置。 7. **Hadoop生态系统**:除了核心组件,...

    hadoop 运行成功代码(wordcount)

    本项目将详细介绍如何在Hadoop环境中成功运行WordCount程序,以及涉及到的相关知识点。 首先,`Hadoop`是一个基于Java的框架,设计用来处理和存储大规模数据。它采用了分布式计算模型,即MapReduce,将大型任务分解...

    hadoop api 操作代码

    在大数据处理领域,Hadoop API 是一个至关重要的工具集,它允许开发者编写程序来处理海量数据。这个压缩包文件 "shizhan_03_hadoop" 很可能包含了一些示例代码,展示了如何使用Hadoop API进行数据操作。现在,我们将...

    hadoop源代码归档

    很抱歉,但根据您提供的信息,标题和描述中提到的是"hadoop源代码归档",而压缩包内的文件名称列表却包含了一系列法律学习资料,如刑法和民诉的思维导图、精讲卷以及口诀等,并没有提及任何与Hadoop源代码相关的内容...

    hadoop源代码部分

    阅读Hadoop源代码有助于理解其内部工作原理,从而优化自己的分布式应用程序。你可以学习错误处理机制、并发控制、网络通信等编程技巧。同时,通过设置断点和使用调试工具,你可以深入到代码执行的每个步骤,提升...

    Hadoop中单词统计案例运行的代码

    此外,还需要一个主程序来配置和提交作业。 **标签相关性**: - **Hadoop**:整个案例的基础框架,提供了分布式计算的能力。 - **大数据**:单词统计案例通常应用于处理海量文本数据,这是大数据场景的典型应用。 -...

    hadoop源代码版本归档

    很抱歉,但根据您提供的信息,标题和描述中提到的是"hadoop源代码版本归档",而压缩包内的文件名称列表却包含了一系列法律考试复习资料,并没有与Hadoop相关的源代码或文档。这表明可能存在一个误解,因为压缩包里的...

    hadoop-2.8.1源码

    - 应用管理器(ApplicationMaster):每个应用程序有自己的ApplicationMaster,负责任务调度和监控。 - 节点管理器(NodeManager):每个节点上运行的服务,负责容器的生命周期管理和资源隔离。 4. 分布式协调...

    hadoop源代码归档 2

    很抱歉,根据您提供的信息,压缩包中的文件名称列表似乎与Hadoop源代码归档的主题不相符,它们看起来像是视频文件而不是源代码或相关的技术文档。不过,关于"Hadoop源代码"这一主题,我可以提供一些核心知识点的详细...

    《Hadoop权威指南》示例代码

    通过这些代码,你可以学习到如何在Hadoop环境中编写、调试和运行应用程序,理解Hadoop的工作原理,并且可以动手实践,提升自己的Hadoop技能。在学习过程中,结合书中的理论知识和代码实现,将使你对Hadoop有更深入的...

    Hadoop源代码分析.zip

    通过分析Hadoop源代码,开发者可以更好地理解其内部工作原理,从而优化应用程序性能,调试问题,甚至为Hadoop贡献新的功能和改进。这个压缩包中的"完整版.pdf"文档很可能是对以上知识点的详细解读,值得深入学习和...

    Hadoop源代码分析(完整版).doc

    在深入分析Hadoop源代码之前,我们先了解一下Hadoop的核心组件和它们的作用。Hadoop是一个开源的分布式计算框架,由Apache基金会开发,主要用于处理和存储海量数据。它主要由两个核心部分组成:HDFS(Hadoop ...

    hadoop几个实例

    7. **编程接口**:Hadoop提供了Java API来编写MapReduce程序,但也有如Hadoop Streaming这样的接口,允许使用其他语言(如Python、Perl)编写Mapper和Reducer。 8. **数据处理范式**:MapReduce遵循“批处理”处理...

    hadoop流量统计程序

    文件"shizhan_03_hadoop"可能包含这个流量统计程序的源代码、配置文件或测试数据,对于深入理解其工作原理和使用方法至关重要。通过阅读和分析这些文件,我们可以更好地掌握如何在实际环境中应用Hadoop进行流量统计...

Global site tag (gtag.js) - Google Analytics