计数器作用
作用： 在运行MR时，作为一个统计数据！参考数据，推测程序的运行效果！作为一个调试手段！
使用： JobContext.getCounter("计算器所在的组名","当前计数器的名称").increcment(1);
查看计算器打印的结果： job.watiForCompletion(boolean verbose);
verbose传入true，才能可以查看计数器的打印结果！
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.demo.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.demo.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); } } |