007_hadoop中MapReduce应用案例_1_数据去重

前面介绍了复杂的MapReduce Job流在实际中的应用方法：006_hadoop中MapReduce详解_3

这节主要是通过实例来分析MapReduce在实际中的应用，从中得到一些启发，在项目开发中，设计MapReduce往往是比较复杂的。我们先通过简单的实例入手后面慢慢加深。

先简单说一下后面还会出现什么实例吧：

1.数据排序-->partition

2.找隔代关系-->单表关联

3.学生课程-->多表关联

4.好友推荐

5.PageRank

6.倒排序索引

7.最优路径

基本上通过上面的7+1+1=9个实例，我们应该可以基本掌握MapReduce的设计过程。

好了，废话不多说，开始我们这个简单的数据去重的例子

实例描述：有以下两个文件，文件中表示某天，某IP访问了我们的系统这样一个日志。我们当时间和IP相同时，我们将这种相同的数据去掉，只留下一个。文件如下：

 

2014-10-3 10.3.5.19
2014-10-3 10.3.5.19
2014-10-3 10.3.5.18
2014-10-3 10.3.51.19
2014-10-3 10.3.02.19

 

2014-10-3 10.3.5.19
2014-10-4 10.3.5.19
2014-10-3 10.3.5.18
2014-10-5 10.3.51.19
2014-10-5 10.3.02.19

 实例分析：

数据去重，我们知道在Map到Reduce阶段，相同的key会合并在一起。既然如此，我们把整个文件的一行当作Map输出的Key。这样在Map输出进入Reduce事，所有重复的key不就自动合并了吗。这不就达到了我们去重的目标了

实例代码：

package com.sxt.mrtest;

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.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;


/**
 * 
 * @title Uniq
 * @description 去掉重复行
 * @author hadoop
 * @version 
 * @copyright (c) SINOSOFT
 *
 */
public class Uniq {
	public static class UniqMap extends Mapper<LongWritable, Text, Text, Text>{

		@Override
		public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
			context.write(value, new Text(""));
		}
		
	}
	
	public static class UniqReduce extends Reducer<Text, Text, Text, Text>{

		@Override
		public void reduce(Text arg0, Iterable<Text> arg1, Context arg2) throws IOException, InterruptedException {
			arg2.write(arg0, new Text(""));
			
		}
		
	}
	
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
	    
		//配置作业1
	    Job job = new Job(conf, "Uniq");
	    job.setJarByClass(Uniq.class);
	    job.setMapperClass(UniqMap.class);
	    job.setCombinerClass(UniqReduce.class);
	    job.setReducerClass(UniqReduce.class);
	    job.setOutputKeyClass(Text.class);
	    job.setOutputValueClass(Text.class);
	    FileInputFormat.addInputPath(job, new Path("/user/helloMR/demo1_datadel")); //Map的输入
	    FileOutputFormat.setOutputPath(job, new Path("/user/helloMR/success"));//Reduce的输出
	    System.exit(job.waitForCompletion(true) ? 0 : 1);
	}
}

 

实例数据流程图：

 

 

查看JobTracker状态：http://masterIP:50030/jobtracker.jsp

查看NameNode状态：http://masterIP:50070/dfshealth.jsp

评论

2 楼 annmi_cai 2016-03-11  

好好学习，天天向上！

1 楼 diyutaizi3721 2015-10-06  

楼主不错 顶个 收了