Mapreduce实例——求平均值
02.Mapreduce实例——求平均值
实验目的
1.准确理解Mapreduce求平均值的设计原理
2.熟练掌握Mapreduce求平均值程序的编写
3.学会编写Mapreduce求平均值程序代码解决问题
实验原理
求平均数是MapReduce比较常见的算法,求平均数的算法也比较简单,一种思路是Map端读取数据,在数据输入到Reduce之前先经过shuffle,将map函数输出的key值相同的所有的value值形成一个集合value-list,然后将输入到Reduce端,Reduce端汇总并且统计记录数,然后作商即可。具体原理如下图所示:
实验环境
Linux Ubuntu 14.04
jdk-7u75-linux-x64
hadoop-2.6.0-cdh5.4.5
hadoop-2.6.0-eclipse-cdh5.4.5.jar
eclipse-java-juno-SR2-linux-gtk-x86_64
实验内容
现有某电商关于商品点击情况的数据文件,表名为goods_click,包含两个字段(商品分类,商品点击次数),分隔符“\t”,由于数据很大,所以为了方便统计我们只截取它的一部分数据,内容如下:
- 商品分类 商品点击次数
- 52127 5
- 52120 93
- 52092 93
- 52132 38
- 52006 462
- 52109 28
- 52109 43
- 52132 0
10. 52132 34
11. 52132 9
12. 52132 30
13. 52132 45
14. 52132 24
15. 52009 2615
16. 52132 25
17. 52090 13
18. 52132 6
19. 52136 0
20. 52090 10
21. 52024 347
要求使用mapreduce统计出每类商品的平均点击次数。
结果数据如下:
- 商品分类 商品平均点击次数
- 52006 462
- 52009 2615
- 52024 347
- 52090 11
- 52092 93
- 52109 35
- 52120 93
- 52127 5
10. 52132 23
11. 52136 0
实验步骤
1.切换到/apps/hadoop/sbin目录下,开启Hadoop。
- cd /apps/hadoop/sbin
- ./start-all.sh
2.在Linux本地新建/data/mapreduce4目。
- mkdir -p /data/mapreduce4
3.在Linux中切换到/data/mapreduce4目录下,用wget命令从http://192.168.1.100:60000/allfiles/mapreduce4/goods_click网址上下载文本文件goods_click。
- cd /data/mapreduce4
- wget http://192.168.1.100:60000/allfiles/mapreduce4/goods_click
然后在当前目录下用wget命令从http://192.168.1.100:60000/allfiles/mapreduce4/hadoop2lib.tar.gz网址上下载项目用到的依赖包。
- wget http://192.168.1.100:60000/allfiles/mapreduce4/hadoop2lib.tar.gz
将hadoop2lib.tar.gz解压到当前目录下。
- tar zxvf hadoop2lib.tar.gz
4.首先在HDFS上新建/mymapreduce4/in目录,然后将Linux本地/data/mapreduce4目录下的goods_click文件导入到HDFS的/mymapreduce4/in目录中。
- hadoop fs -mkdir -p /mymapreduce4/in
- hadoop fs -put /data/mapreduce4/goods_click /mymapreduce4/in
5.新建Java Project项目,项目名为mapreduce4。
在mapreduce4项目下新建包,包名为mapreduce。
在mapreduce包下新建类,类名为MyAverage。
6.添加项目所需依赖的jar包,右键点击mapreduce4,新建一个文件夹,名为hadoop2lib,用于存放项目所需的jar包。
将/data/mapreduce4目录下,hadoop2lib目录中的jar包,拷贝到eclipse中mapreduce4项目的hadoop2lib目录下。
选中hadoop2lib目录下所有jar包,并添加到Build Path中。
7.编写Java代码并描述其设计思路。
Mapper代码
- public static class Map extends Mapper<Object , Text , Text , IntWritable>{
- private static Text newKey=new Text();
- //实现map函数
- public void map(Object key,Text value,Context context) throws IOException, InterruptedException{
- // 将输入的纯文本文件的数据转化成String
- String line=value.toString();
- System.out.println(line);
- String arr[]=line.split("\t");
- newKey.set(arr[0]);
- 10. int click=Integer.parseInt(arr[1]);
- 11. context.write(newKey, new IntWritable(click));
- 12. }
- 13. }
map端在采用Hadoop的默认输入方式之后,将输入的value值通过split()方法截取出来,我们把截取的商品点击次数字段转化为IntWritable类型并将其设置为value,把商品分类字段设置为key,然后直接输出key/value的值。
Reducer代码
- public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable>{
- //实现reduce函数
- public void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException, InterruptedException{
- int num=0;
- int count=0;
- for(IntWritable val:values){
- num+=val.get(); //每个元素求和num
- count++; //统计元素的次数count
- }
- 10. int avg=num/count; //计算平均数
- 11.
- 12. context.write(key,new IntWritable(avg));
- 13. }
- 14. }
map的输出<key,value>经过shuffle过程集成<key,values>键值对,然后将<key,values>键值对交给reduce。reduce端接收到values之后,将输入的key直接复制给输出的key,将values通过for循环把里面的每个元素求和num并统计元素的次数count,然后用num除以count 得到平均值avg,将avg设置为value,最后直接输出<key,value>就可以了。
完整代码
- package mapreduce;
- 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.NullWritable;
- import org.apache.hadoop.io.Text;
- import org.apache.hadoop.mapreduce.Job;
- import org.apache.hadoop.mapreduce.Mapper;
10. import org.apache.hadoop.mapreduce.Reducer;
11. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
12. import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
13. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
14. import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
15. public class MyAverage{
- 16. public static class Map extends Mapper<Object , Text , Text , IntWritable>{
- 17. private static Text newKey=new Text();
- 18. public void map(Object key,Text value,Context context) throws IOException, InterruptedException{
- 19. String line=value.toString();
- 20. System.out.println(line);
- 21. String arr[]=line.split("\t");
- 22. newKey.set(arr[0]);
- 23. int click=Integer.parseInt(arr[1]);
- 24. context.write(newKey, new IntWritable(click));
- 25. }
- 26. }
- 27. public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable>{
- 28. public void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException, InterruptedException{
- 29. int num=0;
- 30. int count=0;
- 31. for(IntWritable val:values){
- 32. num+=val.get();
- 33. count++;
- 34. }
- 35. int avg=num/count;
- 36. context.write(key,new IntWritable(avg));
- 37. }
- 38. }
- 39. public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{
- 40. Configuration conf=new Configuration();
- 41. System.out.println("start");
- 42. Job job =new Job(conf,"MyAverage");
- 43. job.setJarByClass(MyAverage.class);
- 44. job.setMapperClass(Map.class);
- 45. job.setReducerClass(Reduce.class);
- 46. job.setOutputKeyClass(Text.class);
- 47. job.setOutputValueClass(IntWritable.class);
- 48. job.setInputFormatClass(TextInputFormat.class);
- 49. job.setOutputFormatClass(TextOutputFormat.class);
- 50. Path in=new Path("hdfs://localhost:9000/mymapreduce4/in/goods_click");
- 51. Path out=new Path("hdfs://localhost:9000/mymapreduce4/out");
- 52. FileInputFormat.addInputPath(job,in);
- 53. FileOutputFormat.setOutputPath(job,out);
- 54. System.exit(job.waitForCompletion(true) ? 0 : 1);
- 55.
- 56. }
- 57. }
8.在MyAverage类文件中,右键并点击=>Run As=>Run on Hadoop选项,将MapReduce任务提交到Hadoop中。
9.待执行完毕后,进入命令模式下,在HDFS上/mymapreduce4/out中查看实验结果。
- hadoop fs -ls /mymapreduce4/out
- hadoop fs -cat /mymapreduce4/out/part-r-00000