国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 服務器 > Web服務器 > 正文

Hadoop計數器的應用以及數據清洗

2024-09-01 13:56:26
字體:
來源:轉載
供稿:網友

Hadoop,計數器,應用,數據清洗

數據清洗(ETL)

在運行核心業務MapReduce程序之前,往往要先對數據進行清洗,清理掉不符合用戶要求的數據。清理的過程往往只需要運行Mapper程序,不需要運行Reduce程序。

1.需求

去除日志中字段長度小于等于11的日志。

(1)輸入數據

web.log

(2)期望輸出數據

每行字段長度都大于11

2.需求分析

需要在Map階段對輸入的數據根據規則進行過濾清洗。

3.實現代碼

(1)編寫LogMapper類

package com.atguigu.mapreduce.weblog;import java.io.IOException;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class LogMapper extends Mapper<LongWritable, Text, Text, NullWritable>{  Text k = new Text();  @Override  protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {   // 1 獲取1行數據   String line = value.toString();   // 2 解析日志   boolean result = parseLog(line,context);   // 3 日志不合法退出   if (!result) {     return;   }   // 4 設置key   k.set(line);   // 5 寫出數據   context.write(k, NullWritable.get());  }  // 2 解析日志  private boolean parseLog(String line, Context context) {   // 1 截取   String[] fields = line.split(" ");   // 2 日志長度大于11的為合法    if (fields.length > 11) {     // 系統計數器     context.getCounter("map", "true").increment(1);     return true;   }else {     context.getCounter("map", "false").increment(1);     return false;   }  }}

(2)編寫LogDriver類

package com.atguigu.mapreduce.weblog;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;public class LogDriver {  public static void main(String[] args) throws Exception {// 輸入輸出路徑需要根據自己電腦上實際的輸入輸出路徑設置    args = new String[] { "e:/input/inputlog", "e:/output1" };   // 1 獲取job信息   Configuration conf = new Configuration();   Job job = Job.getInstance(conf);   // 2 加載jar包   job.setJarByClass(LogDriver.class);   // 3 關聯map   job.setMapperClass(LogMapper.class);   // 4 設置最終輸出類型   job.setOutputKeyClass(Text.class);   job.setOutputValueClass(NullWritable.class);   // 設置reducetask個數為0   job.setNumReduceTasks(0);   // 5 設置輸入和輸出路徑   FileInputFormat.setInputPaths(job, new Path(args[0]));   FileOutputFormat.setOutputPath(job, new Path(args[1]));   // 6 提交   job.waitForCompletion(true);  }}

總結

以上就是這篇文章的全部內容了,希望本文的內容對大家的學習或者工作具有一定的參考學習價值,謝謝大家對VEVB武林網的支持。


注:相關教程知識閱讀請移步到服務器教程頻道。
發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 巍山| 巨鹿县| 儋州市| 甘谷县| 乌兰浩特市| 黄梅县| 大足县| 塔城市| 乌拉特后旗| 彭泽县| 孟州市| 武清区| 海伦市| 五河县| 兴城市| 林州市| 虎林市| 东乡| 团风县| 鲜城| 连城县| 怀远县| 潮州市| 肃北| 武义县| 呼伦贝尔市| 德格县| 涞水县| 中阳县| 凤冈县| 六盘水市| 垣曲县| 安新县| 扶绥县| 无锡市| 枞阳县| 翁源县| 八宿县| 和平区| 徐水县| 伽师县|