大数据MapReduce学习案例：TopN
创始人
2024-04-23 11:15:51

文章目录

  • 一，案例分析
    • （一）TopN分析法介绍
    • （二）案例需求
  • 二，案例实施
    • （一）准备数据文件
      • （1）启动hadoop服务
      • （2）在虚拟机上创建文本文件
      • （3）上传文件到HDFS指定目录
    • （二）Map阶段实现
      • （1）创建Maven项目：TopN
      • （2）添加相关依赖
      • （3）创建日志属性文件
      • （4）创建前N成绩映射器类：TopNMapper
    • （三）Reduce阶段实现
      • （1）创建前N归并器类：TopNReducer
    • （四）Driver程序主类实现
      • （1）创建前N驱动器类：TopNDriver
    • （五）运行前N驱动器类，查看结果
      • （1）运行TopNDriver类，查看结果
      • （2）下载结果文件并查看

一，案例分析

（一）TopN分析法介绍

TopN分析法是指从研究对象中按照某一个指标进行倒序或正序排列，取其中所需的N个数据，并对这N个数据进行重点分析的方法。

（二）案例需求

现假设有数据文件num.txt，现要求使用MapReduce技术提取上述文本中最大的5个数据，并最终将结果汇总到一个文件中。

先设置MapReduce分区为1，即ReduceTask个数一定只有一个。我们需要提取TopN，即全局的前N条数据，不管中间有几个Map、Reduce，最终只能有一个用来汇总数据。

在Map阶段，使用TreeMap数据结构保存TopN的数据，TreeMap默认会根据其键的自然顺序进行排序，也可根据创建映射时提供的 Comparator进行排序，其firstKey()方法用于返回当前集合最小值的键。

在Reduce阶段，将Map阶段输出数据进行汇总，选出其中的TopN数据，即可满足需求。这里需要注意的是，TreeMap默认采取正序排列，需求是提取5个最大的数据，因此要重写Comparator类的排序方法进行倒序排序。

二，案例实施

（一）准备数据文件

（1）启动hadoop服务

输入命令：start-all.sh
在这里插入图片描述

（2）在虚拟机上创建文本文件

1.expor目录下创建topn目录，输入命令：mkdir /export/topn
在这里插入图片描述
2.在topn目录下创建num.txt文件，输入命令：touch /export/topn/num.txt
在这里插入图片描述
3.向num.txt文件添加如下内容：

10 3 8 7 6 5 1 2 9 4
11 12 17 14 15 20 
19 18 13 16

输入命令：vim /export/topn/num.txt
在这里插入图片描述
在这里插入图片描述

（3）上传文件到HDFS指定目录

1.创建/topn/input目录，输入命令：hdfs dfs -mkdir -p /topn/input
在这里插入图片描述
2.将文本文件num.txt，上传到HDFS的/topn/input目录，输入命令：hdfs dfs -put /export/topn/num.txt /topn/input
在这里插入图片描述
3.在hadoop webui查看文件是否上传成功
在这里插入图片描述

（二）Map阶段实现

使用IntelliJ开发工具创建Maven项目TopN，并且新建net.hw.mr包，在该路径下编写自定义Mapper类TopNMapper，主要用于将文件中的每行数据进行切割提取，并把数据保存到TreeMap中，判断TreeMap是否大于5，如果大于5就需要移除最小的数据。TreeMap保存了当前文件最大5条数据后，再输出到Reduce阶段。

（1）创建Maven项目：TopN

1.配置好如下图，单击【Create】按钮
在这里插入图片描述2.创建成功
在这里插入图片描述3.删除【Main】主类：右击【Main】类，单击【Delete】
在这里插入图片描述

（2）添加相关依赖

1.在pom.xml文件里添加hadoop和junit依赖，添加内容如下：

                                                                                                                org.apache.hadoop          hadoop-client        3.3.4                                                                                                                                      junit                      junit                4.13.2

在这里插入图片描述
2.刷新本地的maven仓库，如果没有下载，会自动下载依赖到本地：单击【Maven】，单击【刷新】按钮
在这里插入图片描述

（3）创建日志属性文件

1.在resources目录里创建log4j.properties文件，右击【resources】，选择【New】，单击【Resource Bundle】
在这里插入图片描述
2.在弹出的对话框中输入：log4j，按【OK】按钮，成功创建
在这里插入图片描述

3.向log4j.properties文件添加如下内容：

log4j.rootLogger=INFO, stdout, logfile
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n
log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/topnscore.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

在这里插入图片描述

（4）创建前N成绩映射器类：TopNMapper

1.右击【net.army.mr】，选择【New】，单击【Java Class】
在这里插入图片描述2.在弹出的对话框中输入：TopNMapper，按下回车键，成功创建
在这里插入图片描述

3.编写代码

package net.army.mr;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.util.TreeMap;/*** 作者：梁辰兴* 日期：2022/12/14* 功能：前N映射器类*/public class TopNMapper extends Mapper {private TreeMap repToRecordMap = new TreeMap();// <0,10 3 8 7 6 5 1 2 9 4>// @Overridepublic void map(LongWritable key, Text value, Context context) {String line = value.toString();String[] nums = line.split(" ");for (String num : nums) {repToRecordMap.put(Integer.parseInt(num), " ");if (repToRecordMap.size() > 5) {repToRecordMap.remove(repToRecordMap.firstKey());}}}@Overrideprotected void cleanup(Context context) {for (Integer i : repToRecordMap.keySet()) {try {context.write(NullWritable.get(), new IntWritable(i));} catch (Exception e) {e.printStackTrace();}}}
}

（三）Reduce阶段实现

编写MapReduce程序运行主类TopNDriver，主要用于设置MapReduce工作任务的相关参数，对HDFS上/topn/input目录下的源文件求前N数据，并将结果输入到HDFS的/topn/output目录下。

（1）创建前N归并器类：TopNReducer

1.右击【net.army.mr】，选择【New】，单击【Java Class】
在这里插入图片描述2.在弹出的对话框中输入：TopNReducer，按下回车键，成功创建
在这里插入图片描述
3.编写代码

package net.army.mr;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;
import java.util.Comparator;
import java.util.TreeMap;/*** 作者：梁辰兴* 日期：2022/12/14* 功能：前N归并器类*/public class TopNReducer extends Reducer {private TreeMap repToRecordMap = new TreeMap(new Comparator() {/*** 谁大排后面** @param a* @param b* @return 一个整数*/public int compare(Integer a, Integer b) {return b - a;}});public void reduce(NullWritable key, Iterable values, Context context)throws IOException, InterruptedException {for (IntWritable value : values) {repToRecordMap.put(value.get(), " ");if (repToRecordMap.size() > 5) {repToRecordMap.remove(repToRecordMap.firstKey());}}for (Integer i : repToRecordMap.keySet()) {context.write(NullWritable.get(), new IntWritable(i));}}
}

（四）Driver程序主类实现

（1）创建前N驱动器类：TopNDriver

1.右击【net.army.mr】，选择【New】，单击【Java Class】
在这里插入图片描述2.在弹出的对话框中输入：TopNDriver，按下回车键，成功创建
在这里插入图片描述

3.编写代码

package net.army.mr;import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IOUtils;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import java.net.URI;/*** 作者：梁辰兴* 日期：2022/12/14* 功能：前N驱动类*/public class TopNDriver {public static void main(String[] args) throws Exception {// 创建配置对象Configuration conf = new Configuration();// 设置数据节点主机名属性conf.set("dfs.client.use.datanode.hostname", "true");// 获取作业实例Job job = Job.getInstance(conf);// 设置作业启动类job.setJarByClass(TopNDriver.class);// 设置Mapper类job.setMapperClass(TopNMapper.class);// 设置map任务输出键类型job.setMapOutputKeyClass(NullWritable.class);// 设置map任务输出值类型job.setMapOutputValueClass(IntWritable.class);// 设置Reducer类job.setReducerClass(TopNReducer.class);// 设置reduce任务输出键类型job.setOutputKeyClass(NullWritable.class);// 设置reduce任务输出值类型job.setOutputValueClass(IntWritable.class);// 定义uri字符串String uri = "hdfs://master:9000";// 创建输入目录Path inputPath = new Path(uri + "/topn/input");// 创建输出目录Path outputPath = new Path(uri + "/topn/output");// 获取文件系统FileSystem fs = FileSystem.get(new URI(uri), conf);// 删除输出目录fs.delete(outputPath, true);// 给作业添加输入目录FileInputFormat.addInputPath(job, inputPath);// 给作业设置输出目录FileOutputFormat.setOutputPath(job, outputPath);// 等待作业完成job.waitForCompletion(true);// 输出统计结果System.out.println("======统计结果======");FileStatus[] fileStatuses = fs.listStatus(outputPath);for (int i = 1; i < fileStatuses.length; i++) {// 输出结果文件路径System.out.println(fileStatuses[i].getPath());// 获取文件输入流FSDataInputStream in = fs.open(fileStatuses[i].getPath());// 将结果文件显示在控制台IOUtils.copyBytes(in, System.out, 4096, false);}}
}

（五）运行前N驱动器类，查看结果

（1）运行TopNDriver类，查看结果

在这里插入图片描述

（2）下载结果文件并查看

1.下载结果文件
进入/export/topn目录，输入命令：cd /export/topn/
在这里插入图片描述

下载文件，输入命令：hdfs dfs -get /topn/output/part-r-00000
在这里插入图片描述
2.查看结果文件，输入命令：cat part-r-00000
在这里插入图片描述

词库加载错误:未能找到文件“E:\highferrum_mysql\Configuration\Dict_Stopwords.txt”。

上一篇：2023年湖北报考施工员要多少钱？甘建二告诉您

下一篇：企业级nginx使用

相关内容

热门资讯

我喜欢你韩语怎么说 sikid...
苗族的传统节日 贵州苗族节日有... 【岜沙苗族芦笙节】岜沙，苗语叫“分送”，距从江县城7.5公里，是世界上最崇拜树木并以树为神的枪手部落...
北京的名胜古迹 北京最著名的景... 北京从元代开始，逐渐走上帝国首都的道路，先是成为大辽朝五大首都之一的南京城，随着金灭辽，金代从海陵王...
长白山自助游攻略 吉林长白山游... 昨天介绍了西坡的景点详细请看链接：一个人的旅行，据说能看到长白山天池全凭运气，您的运气如何？今日介绍...
阿西吧是什么意思 阿西吧相当于... 即使你没有受到过任何外语培训，你也懂四国语言。汉语：你好英语：Shit韩语：阿西吧（아，씨발! ）日...