关于MapReduce的测试

题目：数据清洗以及结果展示

要求：

　　Result文件数据说明：

　　　　Ip：106.39.41.166,（城市）

　　　　Date：10/Nov/2016:00:01:02 +0800,（日期）

　　　　Day：10,（天数）

　　　　Traffic: 54 ,（流量）

　　　　Type: video,（类型：视频video或文章article）

　　　　Id: 8701（视频或者文章的id）

　　测试要求：

　　1、 数据清洗：按照进行数据清洗，并将清洗后的数据导入hive数据库中。

　　　　两阶段数据清洗：

　　　　（1）第一阶段：把需要的信息从原始日志中提取出来

　　　　　　ip: 199.30.25.88

　　　　　　time: 10/Nov/2016:00:01:03 +0800

　　　　　　traffic: 62

　　　　　　文章: article/11325

　　　　　　视频: video/3235

　　　　（2）第二阶段：根据提取出来的信息做精细化操作

　　　　　　ip: 城市 city（IP）

　　　　　　time: 2016-11-10 00:01:03

　　　　　　day: 10

　　　　　　traffic: 62

　　　　　　type: article/video

　　　　　　id: 11325

　　　　（3）hive数据库表结构:

　　　　　　create table data01(ip string, time string, day string, traffic bigint, type string, id string)

　　2、数据处理：

　　　　·统计最受欢迎的视频/文章的Top10访问次数 （video/article）

　　　　·按照地市统计最受欢迎的Top10课程 （ip）

　　　　·按照流量统计最受欢迎的Top10课程 （traffic）

　　3、数据可视化：将统计结果倒入MySql数据库中，通过图形化展示的方式展现出来。

解答：

　　1、 数据清洗：按照进行数据清洗，并将清洗后的数据导入hive数据库中。

　　1.1　数据清洗

　　原始数据格式

　　将原始数据文件result.txt上传到HDFS中，然后进行读取清洗

　　cleanDate.java：（读取清洗）

package com.Use;

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.Text; 
import org.apache.hadoop.mapreduce.Job; 
import org.apache.hadoop.mapreduce.Mapper; 
import org.apache.hadoop.mapreduce.Reducer; 
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; 
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; 
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; 
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; 

public class cleanData { 
    public static class Map extends Mapper<Object , Text , Text , IntWritable>{ 
        private static Text newKey=new Text(); 
        private static String chage(String data) {                
            char[] str = data.toCharArray();
            String[] time = new String[7];
            int j = 0;
            int k = 0;
            for(int i=0;i<str.length;i++) {
                if(str[i]=='/'||str[i]==':'||str[i]==32) {
                    time[k] = data.substring(j,i);
                    j = i+1;
                    k++;
                }
            }
            time[k] = data.substring(j, data.length());
            
             switch(time[1]) { case "Jan":time[1]="01";break; case
              "Feb":time[1]="02";break; case "Mar":time[1]="03";break; case
              "Apr":time[1]="04";break; case "May":time[1]="05";break; case
              "Jun":time[1]="06";break; case "Jul":time[1]="07";break; case
              "Aug":time[1]="08";break; case "Sep":time[1]="09";break; case
              "Oct":time[1]="10";break; case "Nov":time[1]="11";break; case
              "Dec":time[1]="12";break; }
             
            data = time[2]+"-"+time[1]+"-"+time[0]+" "+time[3]+":"+time[4]+":"+time[5];            
            return data;
        }
        public void map(Object key,Text value,Context context) throws IOException, InterruptedException{ 
            String line=value.toString(); 
            System.out.println(line); 
            String arr[]=line.split(","); 
            
            String ip = arr[0];
            String date = arr[1];
            String day = arr[2];
            String traffic = arr[3];
            String type = arr[4];
            String id = arr[5];
            
            date = chage(date);
            traffic = traffic.substring(0, traffic.length()-1);
            
            newKey.set(ip+'	'+date+'	'+day+'	'+traffic+'	'+type); 
            //newKey.set(ip+','+date+','+day+','+traffic+','+type); 
            int click=Integer.parseInt(id); 
            context.write(newKey, new IntWritable(click)); 
        }         
    } 
    public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable>{ 
        public void reduce(Text key,Iterable<IntWritable> values,Context context) throws IOException, InterruptedException{ 
            for(IntWritable val : values){ 
                context.write(key, val); 
            } 
        } 
    } 
    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException{ 
        Configuration conf=new Configuration(); 
        System.out.println("start"); 
        Job job =new Job(conf,"cleanData"); 
        job.setJarByClass(cleanData.class); 
        job.setMapperClass(Map.class); 
        job.setReducerClass(Reduce.class); 
        job.setOutputKeyClass(Text.class); 
        job.setOutputValueClass(IntWritable.class); 
        job.setInputFormatClass(TextInputFormat.class); 
        job.setOutputFormatClass(TextOutputFormat.class); 
        Path in=new Path("hdfs://192.168.137.112:9000/tutorial/in/result.txt"); 
        Path out=new Path("hdfs://192.168.137.112:9000/tutorial/out"); 
        FileInputFormat.addInputPath(job,in); 
        FileOutputFormat.setOutputPath(job,out); 
        System.exit(job.waitForCompletion(true) ? 0 : 1); 
        
    } 
} 

  　　清洗后格式

　　2、数据处理：

　　2.1统计最受欢迎的视频/文章的Top10访问次数 （video/article）

　　　　读取清洗后数据的.txt文件进行mapreduce

　　2.2按照地市统计最受欢迎的Top10课程 （ip）

　　　　读取清洗后数据的.txt文件进行mapreduce

　　2.3按照流量统计最受欢迎的Top10课程 （traffic）

　　　　读取清洗后数据的.txt文件进行mapreduce

　　3、数据可视化：将统计结果倒入MySql数据库中，通过图形化展示的方式展现出来。

　　　　2.2的统计结果：图形化展示暂未写出

　　　　2.1、2.3的统计结果：将统计结果的.txt导入到mysql数据库中，用EChart图形化进行可视化

-----------------------------------------------------------------------------------------------------------------------------

1、2题的代码：https://github.com/457352727/DSJ_tutorial01

3题的代码：https://github.com/457352727/DSJ_tutorial01_web