需求：1.统计每一个用户（手机号）所耗费的总上行流量、下行流量，总流量

1.数据如下：保存为.dat文件(因为以\t切分数据，文件格式必须合适)

1363157985066     13726230503    00-FD-07-A4-72-B8:CMCC    120.196.100.82    i02.c.aliimg.com        24    27    2481    24681    2001363157995052     13826544101    5C-0E-8B-C7-F1-E0:CMCC    120.197.40.4            4    0    264    0    2001363157991076     13926435656    20-10-7A-28-CC-0A:CMCC    120.196.100.99            2    4    132    1512    2001363154400022     13926251106    5C-0E-8B-8B-B1-50:CMCC    120.197.40.4            4    0    240    0    2001363157993044     18211575961    94-71-AC-CD-E6-18:CMCC-EASY    120.196.100.99    iface.qiyi.com    视频网站    15    12    1527    2106    2001363157995074     84138413       5C-0E-8B-8C-E8-20:7DaysInn    120.197.40.4    122.72.52.12        20    16    4116    1432    2001363157993055     13560439658    C4-17-FE-BA-DE-D9:CMCC    120.196.100.99            18    15    1116    954    2001363157995033     15920133257    5C-0E-8B-C7-BA-20:CMCC    120.197.40.4    sug.so.360.cn    信息安全    20    20    3156    2936    2001363157983019     13719199419    68-A1-B7-03-07-B1:CMCC-EASY    120.196.100.82            4    0    240    0    2001363157984041     13660577991    5C-0E-8B-92-5C-20:CMCC-EASY    120.197.40.4    s19.cnzz.com    站点统计    24    9    6960    690    2001363157973098     15013685858    5C-0E-8B-C7-F7-90:CMCC    120.197.40.4    rank.ie.sogou.com    搜索引擎    28    27    3659    3538    2001363157986029     15989002119    E8-99-C4-4E-93-E0:CMCC-EASY    120.196.100.99    www.umeng.com    站点统计    3    3    1938    180    2001363157992093     13560439658    C4-17-FE-BA-DE-D9:CMCC    120.196.100.99            15    9    918    4938    2001363157986041     13480253104    5C-0E-8B-C7-FC-80:CMCC-EASY    120.197.40.4            3    3    180    180    2001363157984040     13602846565    5C-0E-8B-8B-B6-00:CMCC    120.197.40.4    2052.flash2-http.qq.com    综合门户    15    12    1938    2910    2001363157995093     13922314466    00-FD-07-A2-EC-BA:CMCC    120.196.100.82    img.qfc.cn        12    12    3008    3720    2001363157982040     13502468823    5C-0A-5B-6A-0B-D4:CMCC-EASY    120.196.100.99    y0.ifengimg.com    综合门户    57    102    7335    110349    2001363157986072     18320173382    84-25-DB-4F-10-1A:CMCC-EASY    120.196.100.99    input.shouji.sogou.com    搜索引擎    21    18    9531    2412    2001363157990043     13925057413    00-1F-64-E1-E6-9A:CMCC    120.196.100.55    t3.baidu.com    搜索引擎    69    63    11058    48243    2001363157988072     13760778710    00-FD-07-A4-7B-08:CMCC    120.196.100.82            2    2    120    120    2001363157985066     13726238888    00-FD-07-A4-72-B8:CMCC    120.196.100.82    i02.c.aliimg.com        24    27    2481    24681    2001363157993055     13560436666    C4-17-FE-BA-DE-D9:CMCC    120.196.100.99            18    15    1116    954    200

2.技术实现过程：

　　1.首先将Map输入中的手机号，上行流量，下行流量数据抽取出来(每一行输入数据调用一次自定义map方法处理数据)，

然后根据相同的key进行数据分发，以便于相同key会到同一个ReduceTask

　　2.Map输出为<手机号,bean>，自定义javaBean来封装流量信息，并将javaBean充当Map输出的Value来传输，javaBean

要实现Writable序列化接口，实现两个方法

　　3.Reduce在获得<手机号,list>后进行累积，然后输出结果即可(框架每传递进来一个kv组，reduce方法被调用一次)

3.代码：FlowCount.java

package cn.bigdata.hdfs.flowsum;import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;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;public class FlowCount {    static class FlowCountMapper extends Mapper
     
      {        @Override        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {            //将一行内容转成string            String line = value.toString();            //切分字段            String[] fields = line.split("\t");            //取出手机号            String phoneNbr = fields[1];            //取出上行流量下行流量            long upFlow = Long.parseLong(fields[fields.length-3]);            long dFlow = Long.parseLong(fields[fields.length-2]);                        context.write(new Text(phoneNbr), new FlowBean(upFlow, dFlow));        }    }        static class FlowCountReducer extends Reducer
      
       {                //<183323,bean1><183323,bean2><183323,bean3><183323,bean4>.......        @Override        protected void reduce(Text key, Iterable
       
         values, Context context) throws IOException, InterruptedException {            long sum_upFlow = 0;            long sum_dFlow = 0;                        //遍历所有bean，将其中的上行流量，下行流量分别累加            for(FlowBean bean: values){                sum_upFlow += bean.getUpFlow();                sum_dFlow += bean.getdFlow();            }                        FlowBean resultBean = new FlowBean(sum_upFlow, sum_dFlow);            context.write(key, resultBean);        }    }        public static void main(String[] args) throws Exception {        Configuration conf = new Configuration();        /*conf.set("mapreduce.framework.name", "yarn");        conf.set("yarn.resoucemanager.hostname", "mini1");*/        Job job = Job.getInstance(conf);                /*job.setJar("/home/hadoop/wc.jar");*/        //指定本程序的jar包所在的本地路径        job.setJarByClass(FlowCount.class);                //指定本业务job要使用的mapper/Reducer业务类        job.setMapperClass(FlowCountMapper.class);        job.setReducerClass(FlowCountReducer.class);                //指定mapper输出数据的kv类型        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(FlowBean.class);                //指定最终输出的数据的kv类型        job.setOutputKeyClass(Text.class);        job.setOutputValueClass(FlowBean.class);                //指定job的输入原始文件所在目录        FileInputFormat.setInputPaths(job, new Path(args[0]));        //指定job的输出结果所在目录        FileOutputFormat.setOutputPath(job, new Path(args[1]));                //将job中配置的相关参数，以及job所用的java类所在的jar包，提交给yarn去运行        /*job.submit();*/        boolean res = job.waitForCompletion(true);        System.exit(res?0:1);    }}
       
      
     

FlowBean.java

如果想在Reducer的输出结果中使用自定义的数据类型，重写FlowBean的toString()方法即可。

package cn.bigdata.hdfs.flowsum;import java.io.DataInput;import java.io.DataOutput;import java.io.IOException;import org.apache.hadoop.io.Writable;public class FlowBean implements Writable{      private long upFlow;    private long dFlow;    private long sumFlow;        //反序列化时，需要反射调用空参构造函数，所以要显示定义一个    public FlowBean(){}        public FlowBean(long upFlow, long dFlow) {        this.upFlow = upFlow;        this.dFlow = dFlow;        this.sumFlow = upFlow + dFlow;    }        public long getUpFlow() {        return upFlow;    }    public void setUpFlow(long upFlow) {        this.upFlow = upFlow;    }    public long getdFlow() {        return dFlow;    }    public void setdFlow(long dFlow) {        this.dFlow = dFlow;    }    public long getSumFlow() {        return sumFlow;    }    public void setSumFlow(long sumFlow) {        this.sumFlow = sumFlow;    }    /**     * 序列化方法     */    @Override    public void write(DataOutput out) throws IOException {        out.writeLong(upFlow);        out.writeLong(dFlow);        out.writeLong(sumFlow);            }    /**     * 反序列化方法     * 注意：反序列化的顺序跟序列化的顺序完全一致     */    @Override    public void readFields(DataInput in) throws IOException {         upFlow = in.readLong();         dFlow = in.readLong();         sumFlow = in.readLong();    }        @Override    public String toString() {           return upFlow + "\t" + dFlow + "\t" + sumFlow;    }}

4.执行程序：

　　4.1.创建HDFS文件存放目录:hadoop fs -mkdir -p /wordcount/phoneFlum

　　4.2.运行MapReduce程序jar包：

　　　　hadoop jar flowsum.jar cn.bigdata.hdfs.flowsum.FlowCount /wordcount/phoneFlum /wordcount/phoneFlumOut

5.查看执行结果：

　　

---

 需求：2.将流量统计结果按照手机归属地省份不同输出到不同文件中(ReduceTask并行度控制，自定义Partitioner)

2.技术实现过程：　

　　1.Mapreduce中会将map输出的kv对，按照相同key分组(调用getPartition)，然后分发给不同的reducetask

　　2.Map输出结果的时候调用了Partitioner组件(返回分区号)，由它决定将数据放到哪个区中，默认的分组规则为

：根据key的hashcode%reducetask数来分发，源代码如下：

public class HashPartitioner
     
       extends Partitioner
      
        {  /** Use {
    @link Object#hashCode()} to partition. */  public int getPartition(K key, V value,int numReduceTasks) {    return (key.hashCode() & Integer.MAX_VALUE) % numReduceTasks;  }}
      
     

　　3.所以：如果要按照我们自己的需求进行分组，则需要改写数据分发（分组）组件Partitioner，自定义一个

CustomPartitioner继承抽象类：Partitioner，来返回一个分区编号

　　4.然后在job对象中，设置自定义partitioner： job.setPartitionerClass(CustomPartitioner.class)

　　5.自定义partition后，要根据自定义partitioner的逻辑设置相应数量的ReduceTask

3.代码实现自定义partitioner数据分区规则：

package cn.bigdata.hdfs.flowsum;import java.util.HashMap;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Partitioner;/** * Partitioner
     
      中分别 对应的是map输出kv的类型 */public class ProvincePartitioner extends Partitioner
      
       {    public static HashMap
       
         proviceDict = new HashMap
        
         ();    static{//分为5个区        proviceDict.put("136", 0);        proviceDict.put("137", 1);        proviceDict.put("138", 2);        proviceDict.put("139", 3);    }        @Override    public int getPartition(Text key, FlowBean value, int numPartitions) {        String prefix = key.toString().substring(0, 3);        Integer provinceId = proviceDict.get(prefix);        return provinceId==null?4:provinceId;    }}
        
       
      
     

//指定我们自定义的数据分区器job.setPartitionerClass(ProvincePartitioner.class);//同时指定相应“分区”数量的reducetaskjob.setNumReduceTasks(5);

运行程序：hadoop jar flowsum.jar cn.bigdata.hdfs.flowsum.FlowCount /wordcount/phoneFlum /wordcount/phoneFlumOut1

　

此时生成了五个分区文件：

　

注意：如果reduceTask的数量>= getPartition的结果数  ，则会多产生几个空的输出文件part-r-000xx

　　  如果1<reduceTask的数量<getPartition的结果数 ，则有一部分分区数据无处安放，会Exception

　　  如果 reduceTask的数量=1，则不管mapTask端输出多少个分区文件，最终结果都交给这一个reduceTask，

最终也就只会产生一个结果文件 part-r-00000

 

---

需求：3.将统计结果按照总流量倒序排序

 

 

 

　

　

 

 

 

 

 

 

 

 

 

 

 

 

 

 

//指定我们自定义的数据分区器

        job.setPartitionerClass(ProvincePartitioner.class);

        //同时指定相应“分区”数量的reducetask

        job.setNumReduceTasks(5);