java mapreduce实现网站PV分析

原文链接：

https://www.toutiao.com/i6765677128022229517/

 

PV 是Page Views的缩写，即页面浏览量，用户每一次对网站中的每个网页访问均被记录一次。注意，访客每刷新一次页面，pv就增加一次。

我们目前的数据是：

 

其中的数据我们会得到标注

 

根据标注我们进行代码筛选，编写MapReduce

分析：我们先根据标注的表中有一个"省份"的字段，依据"省份"编写map。

首先我们创建Maven项目

 

填写pom信息

 

 

 

创建Map类

 

基本结构如下：

 

我们需要对原数据进行筛选

长度筛选

 

省份编号是空值

 

确保数字编号是否是数字

 

筛选URL是否为空值

 

创建Reduce类

 

编写内容

 

创建运行类

 

编写程序内容

 

准备数据源文件和Jar包

 

启动Hadoop

 

我们将数据上传到HDFS中

 

我们查看下数据，发现数据已经上传了

 

我们执行我们的jar包

yarn jar /data/webpv/webpv.jar com.xlglvc.xxx.mapredece.webpv.WebPvDriver /webpv/data1 /webpvoutput

 

执行成功

 

我们查看生成的数据，已经生成了，我们查看下最终数据

 

这样我们就知道每个省份最终访问的次数了，了解到那个省份访问的最多了