數(shù)據(jù)清洗（ETL）
在運(yùn)行核心業(yè)務(wù)MapReduce程序之前，往往要先對(duì)數(shù)據(jù)進(jìn)行清洗，清理掉不符合用戶要求的數(shù)據(jù)。清理的過(guò)程往往只需要運(yùn)行Mapper程序，不需要運(yùn)行Reduce程序。
1．需求
去除日志中字段長(zhǎng)度小于等于11的日志。
（1）輸入數(shù)據(jù)
web.log
（2）期望輸出數(shù)據(jù)
每行字段長(zhǎng)度都大于11
2．需求分析
需要在Map階段對(duì)輸入的數(shù)據(jù)根據(jù)規(guī)則進(jìn)行過(guò)濾清洗。
3．實(shí)現(xiàn)代碼
（1）編寫(xiě)LogMapper類(lèi)
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(shù)據(jù)
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(shè)置key
k.set(line);
// 5 寫(xiě)出數(shù)據(jù)
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(zhǎng)度大于11的為合法
if (fields.length > 11) {
// 系統(tǒng)計(jì)數(shù)器
context.getCounter("map", "true").increment(1);
return true;
}else {
context.getCounter("map", "false").increment(1);
return false;
}
}
}
（2）編寫(xiě)LogDriver類(lèi)
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(jù)自己電腦上實(shí)際的輸入輸出路徑設(shè)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(guān)聯(lián)map
job.setMapperClass(LogMapper.class);
// 4 設(shè)置最終輸出類(lèi)型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(NullWritable.class);
// 設(shè)置reducetask個(gè)數(shù)為0
job.setNumReduceTasks(0);
// 5 設(shè)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(jié)
以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請(qǐng)查看下面相關(guān)鏈接
