首页 > 编程 > Java > 正文

java使用hadoop实现关联商品统计

2019-11-26 13:39:24
字体:
来源:转载
供稿:网友

最近几天一直在看Hadoop相关的书籍,目前稍微有点感觉,自己就仿照着WordCount程序自己编写了一个统计关联商品。

需求描述:

根据超市的销售清单,计算商品之间的关联程度(即统计同时买A商品和B商品的次数)。

数据格式:

超市销售清单简化为如下格式:一行表示一个清单,每个商品采用 "," 分割,如下图所示:

需求分析:

采用hadoop中的mapreduce对该需求进行计算。

map函数主要拆分出关联的商品,输出结果为 key为商品A,value为商品B,对于第一条三条结果拆分结果如下图所示:

这里为了统计出和A、B两件商品想关联的商品,所以商品A、B之间的关系输出两条结果即 A-B、B-A。

reduce函数分别对和商品A相关的商品进行分组统计,即分别求value中的各个商品出现的次数,输出结果为key为商品A|商品B,value为该组合出现的次数。针对上面提到的5条记录,对map输出中key值为R的做下分析:

通过map函数的处理,得到如下图所示的记录:

reduce中对map输出的value值进行分组计数,得到的结果如下图所示

将商品A B作为key,组合个数作为value输出,输出结果如下图所示:

对于需求的实现过程的分析到目前就结束了,下面就看下具体的代码实现

代码实现:

关于代码就不做详细的介绍,具体参照代码之中的注释吧。

package com;  import java.io.IOException; import java.util.HashMap; import java.util.Map.Entry;  import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; 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.output.FileOutputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner;  public class Test extends Configured implements Tool{    /**    * map类,实现数据的预处理    * 输出结果key为商品A value为关联商品B    * @author lulei    */   public static class MapT extends Mapper<LongWritable, Text, Text, Text> {     public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException{       String line = value.toString();       if (!(line == null || "".equals(line))) {         //分割商品         String []vs = line.split(",");         //两两组合,构成一条记录         for (int i = 0; i < (vs.length - 1); i++) {           if ("".equals(vs[i])) {//排除空记录             continue;           }           for (int j = i+1; j < vs.length; j++) {             if ("".equals(vs[j])) {               continue;             }             //输出结果             context.write(new Text(vs[i]), new Text(vs[j]));             context.write(new Text(vs[j]), new Text(vs[i]));           }         }       }      }   }      /**    * reduce类,实现数据的计数    * 输出结果key 为商品A|B value为该关联次数    * @author lulei    */   public static class ReduceT extends Reducer<Text, Text, Text, IntWritable> {     private int count;          /**      * 初始化      */     public void setup(Context context) {       //从参数中获取最小记录个数       String countStr = context.getConfiguration().get("count");       try {         this.count = Integer.parseInt(countStr);       } catch (Exception e) {         this.count = 0;       }     }     public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException{       String keyStr = key.toString();       HashMap<String, Integer> hashMap = new HashMap<String, Integer>();       //利用hash统计B商品的次数       for (Text value : values) {         String valueStr = value.toString();         if (hashMap.containsKey(valueStr)) {           hashMap.put(valueStr, hashMap.get(valueStr) + 1);         } else {           hashMap.put(valueStr, 1);         }       }       //将结果输出       for (Entry<String, Integer> entry : hashMap.entrySet()) {         if (entry.getValue() >= this.count) {//只输出次数不小于最小值的           context.write(new Text(keyStr + "|" + entry.getKey()), new IntWritable(entry.getValue()));         }       }     }   }      @Override   public int run(String[] arg0) throws Exception {     // TODO Auto-generated method stub     Configuration conf = getConf();     conf.set("count", arg0[2]);          Job job = new Job(conf);     job.setJobName("jobtest");          job.setOutputFormatClass(TextOutputFormat.class);     job.setOutputKeyClass(Text.class);     job.setOutputValueClass(Text.class);          job.setMapperClass(MapT.class);     job.setReducerClass(ReduceT.class);          FileInputFormat.addInputPath(job, new Path(arg0[0]));     FileOutputFormat.setOutputPath(job, new Path(arg0[1]));          job.waitForCompletion(true);          return job.isSuccessful() ? 0 : 1;        }      /**    * @param args    */   public static void main(String[] args) {     // TODO Auto-generated method stub     if (args.length != 3) {       System.exit(-1);     }     try {       int res = ToolRunner.run(new Configuration(), new Test(), args);       System.exit(res);     } catch (Exception e) {       // TODO Auto-generated catch block       e.printStackTrace();     }   }  } 

上传运行:

将程序打包成jar文件,上传到机群之中。将测试数据也上传到HDFS分布式文件系统中。

命令运行截图如下图所示:

运行结束后查看相应的HDFS文件系统,如下图所示:

到此一个完整的mapreduce程序就完成了,关于hadoop的学习,自己还将继续~感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表