首页 > 服务器 > Web服务器 > 正文

Hadoop计数器的应用以及数据清洗

2024-09-01 13:56:26
字体:
来源:转载
供稿:网友

Hadoop,计数器,应用,数据清洗

数据清洗(ETL)

在运行核心业务MapReduce程序之前,往往要先对数据进行清洗,清理掉不符合用户要求的数据。清理的过程往往只需要运行Mapper程序,不需要运行Reduce程序。

1.需求

去除日志中字段长度小于等于11的日志。

(1)输入数据

web.log

(2)期望输出数据

每行字段长度都大于11

2.需求分析

需要在Map阶段对输入的数据根据规则进行过滤清洗。

3.实现代码

(1)编写LogMapper类

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 获取1行数据   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 设置key   k.set(line);   // 5 写出数据   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 日志长度大于11的为合法    if (fields.length > 11) {     // 系统计数器     context.getCounter("map", "true").increment(1);     return true;   }else {     context.getCounter("map", "false").increment(1);     return false;   }  }}

(2)编写LogDriver类

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 {// 输入输出路径需要根据自己电脑上实际的输入输出路径设置    args = new String[] { "e:/input/inputlog", "e:/output1" };   // 1 获取job信息   Configuration conf = new Configuration();   Job job = Job.getInstance(conf);   // 2 加载jar包   job.setJarByClass(LogDriver.class);   // 3 关联map   job.setMapperClass(LogMapper.class);   // 4 设置最终输出类型   job.setOutputKeyClass(Text.class);   job.setOutputValueClass(NullWritable.class);   // 设置reducetask个数为0   job.setNumReduceTasks(0);   // 5 设置输入和输出路径   FileInputFormat.setInputPaths(job, new Path(args[0]));   FileOutputFormat.setOutputPath(job, new Path(args[1]));   // 6 提交   job.waitForCompletion(true);  }}

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对VEVB武林网的支持。


注:相关教程知识阅读请移步到服务器教程频道。
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表