环境大数据MapReduce
Posted 一 研 为定
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了环境大数据MapReduce相关的知识，希望对你有一定的参考价值。
目录
一、题目要求
原数据如下：
第一题：月平均气温统计
得到示例结果如下：
第二题：每日空气质量统计
示例结果如下：
第三题：各空气质量分类天数统计
结果示例如下：
下面我将对这三个问题进行详细解答。
二、问题思路
（一）、月平均气温统计
1、思路
这道题的解题思路是，要求每月的平均气温，但数据给的是每天的气温，所以需要将每天的数据分片，将每日编号（20160101）切片成每月编号（201601），这样再进行对每月的气温取平均值就可以了。
写这道题之前可以先把mapper和reducer里的k，v都想好了，然后再写。mapper里是k1，v1，k2，v2，reducer里是k3，v3，k4，v4。如下：
k1 0行，1行 偏移量 LongWritable
v1 每一行的数据 Text
k2 201601 Text
v2 201601 对应的所有气温 -2，-3，。。。 IntWritable
k3 201601 Text
v3 -2，-3，-3。。。 IntWritable
k4 201601，201602。。。 Text
v4 avg（每月气温平均值） FloatWritable
avg = total/count
2、代码
配置文件：
<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
<modelVersion>4.0.0</modelVersion>
<groupId>org.example</groupId>
<artifactId>ST1-weather</artifactId>
<version>1.0-SNAPSHOT</version>
<dependencies>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>2.7.3</version>
</dependency>
</dependencies>
</project>mapper：
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class MavgtmpMapper extends Mapper<LongWritable, Text,Text,IntWritable>
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
//忽略首行
//用key判断，第一行的key一定是0
if (key.get()==0)
return;
//字符串类型转成java类型
String data = value.toString();
//切片成数组，一共有9个元素
String[] msgs = data.split(",");
//切片，将20160101（精确到日期），变成201601（精确到月）
if (!(msgs[5].equals("N/A")))
String s1 = msgs[0].substring(0,6);
context.write(new Text(s1),new IntWritable(Integer.parseInt(msgs[5])));
reducer
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class MavgtmpReducer extends Reducer<Text, IntWritable,Text, FloatWritable>
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException
//把处理的每一个201601的value值都加起来
int total = 0;
int count = 0;
for (IntWritable v:values)
//把IntWritable类型转化为int型
count++;
total += v.get();
float avg = total/count;
//total由int类型变为FloatWritable类型
context.write(key,new FloatWritable(avg));
main
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
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 MavgtmpMain
public static void main(String[] args) throws Exception
Job job = Job.getInstance(new Configuration());
//程序主类
job.setJarByClass(MavgtmpMain.class);
//Mapper类的相关设置
job.setMapperClass(MavgtmpMapper.class);
//Map输出key，value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//Reducer类的相关设置
job.setReducerClass(MavgtmpReducer.class);
//程序运行输出key,value类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(FloatWritable.class);
//设置输入，输出路径
FileInputFormat.setInputPaths(job,new Path(args[0]));
FileOutputFormat.setOutputPath(job,new Path(args[1]));
//提交任务，并等待任务运行完成
job.waitForCompletion(true);
（二）、每日空气质量统计
1、思路
求每日空气质量统计，由题目可以确定k4是每日编号，v4是每日空气质量AQI，由于每日每时有多个AQI，所以应取平均值。由此可以推出k3是每日编号，v3是每日AQI的集合，那末k2也能确定是每日编号，v2是每日编号对应的AQI。
k1 0行，1行 LongWritable
v1 每一行的数据 Text
k2 20160101 Text
v2 20160101对应的AQI值，即msg[6]，212 IntWritable
k3 20160101 Text
v3 212，209，204，194。。。 IntWritable
k4 20160101，20160102，20160103.。。 Text
v4 avg（每天AQI平均值） IntWritable
avg = total/count
2、代码
mapper
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class MavgaqiMapper extends Mapper<LongWritable, Text,Text,IntWritable>
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
//忽略首行
//用key判断，第一行的key一定是0
if (key.get()==0)
return;
//字符串类型转成java类型
String data = value.toString();
//切片成数组，一共有9个元素
String[] msgs = data.split(",");
if (!(msgs[6].equals("N/A")))
context.write(new Text(msgs[0]),new IntWritable(Integer.parseInt(msgs[6])));
reducer
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class MavgaqiReducer extends Reducer<Text, IntWritable,Text, IntWritable>
@Override
protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException
//把处理的每一个201601的value值都加起来
int total = 0;
int count = 0;
int avg = 0;
for (IntWritable v:values)
//把IntWritable类型转化为int型
count++;
total += v.get();
avg = total/count;
//total由int类型变为FloatWritable类型
context.write(key,new IntWritable(avg));
main
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
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 MavgaqiMain
public static void main(String[] args) throws Exception
Job job = Job.getInstance(new Configuration());
//程序主类
job.setJarByClass(MavgaqiMain.class);
//Mapper类的相关设置
job.setMapperClass(MavgaqiMapper.class);
//Map输出key，value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//Reducer类的相关设置
job.setReducerClass(MavgaqiReducer.class);
//程序运行输出key,value类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//设置输入，输出路径
FileInputFormat.setInputPaths(job,new Path(args[0]));
FileOutputFormat.setOutputPath(job,new Path(args[1]));
//提交任务，并等待任务运行完成
job.waitForCompletion(true);
（三）、各空气质量分类天数统计
1、思路
问题是求解各空气质量分类天数，可知k4是空气质量，v4是天数，可以借助第二题求得的数据，第二题求的数据第一列是天数，第二列是该天的AQI，可以根据AQI的大小评估出该天的空气质量等级，如下图：，并将评估出的等级放入字符串s。即k2为空气质量等级，v2赋值为1；
k1 问题二的 0、1行 LongWritable
v1 每一行的数据 Text
k2 优、良、轻度污染 Text
v2 1 IntWritable
k3 优、良 Text
v3 1，1，1... IntWritable
k4 优，良 Text
v4 count求和 IntWritable
读第二个文件，的时候把text类型转发为integer类型，区分不同等级，分类写出来，把数据改成分为类的字符，
2、代码
mapper
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
public class McountaqiMapper extends Mapper<LongWritable, Text,Text,IntWritable>
@Override
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException
//忽略首行
//用key判断，第一行的key一定是0
//if (key.get()==0)
// return;
//
//字符串类型转成java类型
String data = value.toString();
//切片成数组
String[] msgs = data.split("\\t");
//索引下标为1的数值，并赋值给aqi
int aqi = Integer.parseInt(msgs[1]);
//s是字符串
String s = "";
if (aqi<=50)
s = "优";
else if (aqi<=100)
s = "良";
else if (aqi<=150)
s = "轻度污染";
else if (aqi<=200)
s = "中度污染";
else if (aqi<=300)
s = "重度污染";
else
s = "严重污染";
context.write(new Text(s),new IntWritable(1));
reducer
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;
public class McountaqiReducer extends Reducer<Text, IntWritable,Text, IntWritable>
@Override
protected void reduce(Text s, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException
//把处理的每一个201601的value值都加起来
int daycount = 0;
for (IntWritable v:values)
//把IntWritable类型转化为int型
daycount += v.get();
context.write(s,new IntWritable(daycount));
main
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.IntWritable;
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 McountaqiMain
public static void main(String[] args) throws Exception
Job job = Job.getInstance(new Configuration());
//程序主类
job.setJarByClass(McountaqiMain.class);
//Mapper类的相关设置
job.setMapperClass(McountaqiMapper.class);
//Map输出key，value类型
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(IntWritable.class);
//Reducer类的相关设置
job.setReducerClass(McountaqiReducer.class);
//程序运行输出key,value类型
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
//设置输入，输出路径
FileInputFormat.setInputPaths(job,new Path(args[0]));
FileOutputFormat.setOutputPath(job,new Path(args[1]));
//提交任务，并等待任务运行完成
job.waitForCompletion(true);
题都不难，好好思考就能解出来，加油！！！
以上是关于环境大数据MapReduce的主要内容，如果未能解决你的问题，请参考以下文章