MapReduce之WordCount实战——统计某电商网站买家收藏商品数量

2024-02-22 03:59
文章标签 实战 网站 统计 数量 商品 收藏 电商 mapreduce wordcount 买家

本文主要是介绍MapReduce之WordCount实战——统计某电商网站买家收藏商品数量，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

MapReduce之WordCount实战——统计某电商网站买家收藏商品数量

文章目录

  • MapReduce之WordCount实战——统计某电商网站买家收藏商品数量
  • 预习内容：
    • 一、实验目的和要求∶
    • 二、实验任务∶
    • 三、实验准备方案，包括以下内容：
  • 实验内容
    • 一、 实验用仪器、设备：
    • 二、实验内容与步骤（过程及数据记录）：
      • 1. 前置的输入数据准备
      • 2. 开始编写任务程序
        • 1 ）环境准备
          • （1）创建 maven 工程，MapReduceDemo
          • （2）在 pom.xml 文件中添加版本信息以及相关依赖
          • （3）在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”(打印相关日志)
          • （4）创建包名：com.leokadia.count
        • 2 ） 编写程序
          • （1）编写 Mapper 类
          • （2）编写 Reducer 类
          • （3）编写 Driver 驱动类
        • 3 ） 提交到集群测试
          • （1）用 maven 打 jar 包，需要添加的打包插件依赖
          • （2）将程序打包成 jar 包
          • （3）将jar包导入到hadoop集群中
          • （4）执行程序
  • 三、感想、体会、建议∶

预习内容：

一、实验目的和要求∶

了解基本的MapReduce程序结构

二、实验任务∶

现有某电商网站用户对商品的收藏数据，记录了用户收藏的商品id以及收藏日期，名为buyer_favorite1。
buyer_favorite1包含：买家id，商品id，收藏日期这三个字段，数据以“\t”分割。
数据样例与格式如下：
在这里插入图片描述
要求编写MapReduce程序，统计每个买家收藏商品数量，并撰写实验报告。

三、实验准备方案，包括以下内容：

（硬件类实验：实验原理、实验线路、设计方案等）
（软件类实验：所采用的系统、组件、工具、核心方法、框架或流程图、程序清单等）

  • 设备：一台windows10宿主机，三台linux（centos8）虚拟机
  • 节点：hadoop102,hadoop103,hadoop104
  • 模板机:：hadoop100
  • 文件传输软件： Xftp6
  • 开发平台：hadoop-3.1.3
  • 集成开发环境：XSHELL，IDEA

实验内容

一、 实验用仪器、设备：

宿主机配置如下：

在这里插入图片描述
三台虚拟机配置如下：

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

二、实验内容与步骤（过程及数据记录）：

1. 前置的输入数据准备

首先创建数据文件shop.txt：
在这里插入图片描述
在hadoop-3.1.3目录下创建一个文件夹装数据，具体步骤如下：

[leokadia@hadoop102 ~]$ cd $HADOOP_HOME

[leokadia@hadoop102 hadoop-3.1.3]$ mkdir shopData
然后进入创建好的装数据的文件夹shopData
[leokadia@hadoop102 hadoop-3.1.3]$ cd shopData/
将刚刚创建的shop.txt直接拖拽到里面
在这里插入图片描述

然后可以查看一下（检查一下我们导入的数据是不是我们刚刚设置的数据）
[leokadia@hadoop102 shopData]$ cat shop.txt
在这里插入图片描述
在HDFS根目录下建立一个文件夹shoplnputData
[leokadia@hadoop102 shopData]$ hadoop fs -mkdir /shopInputData
在这里插入图片描述

从本地拷贝数据文件shop.txt到刚刚HDFS中刚刚新建的shoplnputData文
[leokadia@hadoop102 shopData]$ hadoop fs -put shop.txt /shopInputData
在这里插入图片描述

在这里插入图片描述

2. 开始编写任务程序

1 ）环境准备
（1）创建 maven 工程，MapReduceDemo

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
按照之前的修改成自己的Maven仓库，相关内容可参考：
HDFS的API环境准备小知识——Maven 安装与配置
在这里插入图片描述

然后将相关java编译器配成自己的版本

注意：由于hadoop3.x支支持JDK8，建议所有的环境都配成8

（2）在 pom.xml 文件中添加版本信息以及相关依赖
<properties><project.build.sourceEncoding>UTF-8</project.build.sourceEncoding><project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding><java.version>1.8</java.version><maven.compiler.source>1.8</maven.compiler.source><maven.compiler.target>1.8</maven.compiler.target><encoding>UTF-8</encoding></properties><dependencies><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>3.1.3</version></dependency><dependency><groupId>junit</groupId><artifactId>junit</artifactId><version>4.12</version></dependency><dependency><groupId>org.slf4j</groupId><artifactId>slf4j-log4j12</artifactId><version>1.7.30</version></dependency></dependencies>

在这里插入图片描述

（3）在项目的 src/main/resources 目录下，新建一个文件，命名为“log4j.properties”(打印相关日志)

在这里插入图片描述
在这里插入图片描述
在文件中填入：

log4j.rootLogger=INFO, stdout   
log4j.appender.stdout=org.apache.log4j.ConsoleAppender   
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout   
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n   
log4j.appender.logfile=org.apache.log4j.FileAppender   
log4j.appender.logfile.File=target/spring.log   
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout   
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

在这里插入图片描述

（4）创建包名：com.leokadia.count

在这里插入图片描述
并在包下创建三个java类：
在这里插入图片描述

2 ） 编写程序
（1）编写 Mapper 类
package com.leokadia.count;
/*** @author sa* @create 2021-04-25 16:51*/
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;public class CountMapper extends Mapper<LongWritable, Text, Text, Text>
{private Text outK = new Text();private Text outV = new Text();protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context)throws IOException, InterruptedException{String[] split = value.toString().split("\t");this.outK.set(split[0]);this.outV.set(split[1]);context.write(this.outK, this.outV);}
}

在这里插入图片描述

（2）编写 Reducer 类
package com.leokadia.count;import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import java.io.IOException;/*** @author sa* @create 2021-04-25 16:52*/public class CountReducer extends Reducer<Text, Text, Text, IntWritable>
{private IntWritable outV = new IntWritable();protected void reduce(Text key, Iterable<Text> values, Reducer<Text, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException{int sum = 0;for (Text value : values) {sum++;}this.outV.set(sum);context.write(key, this.outV);}
}

在这里插入图片描述

（3）编写 Driver 驱动类
package com.leokadia.count;/*** @author sa* @create 2021-04-25 16:51*/
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
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 CountDriver
{public static void main(String[] args)throws IOException, ClassNotFoundException, InterruptedException{Job job = Job.getInstance(new Configuration());job.setJarByClass(CountDriver.class);job.setMapperClass(CountMapper.class);job.setReducerClass(CountReducer.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(Text.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.setInputPaths(job, new Path[] { new Path(args[0]) });FileOutputFormat.setOutputPath(job, new Path(args[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}
}

在这里插入图片描述

3 ） 提交到集群测试

在linux虚拟机上去运行

集群上测试

（1）用 maven 打 jar 包，需要添加的打包插件依赖

将下面的代码放在之前配置的依赖后面

<build> <plugins> <plugin> <artifactId>maven-compiler-plugin</artifactId> <version>3.8.1</version> <configuration> <source>1.8</source> <target>1.8</target> </configuration> </plugin> <plugin> <artifactId>maven-assembly-plugin</artifactId> <configuration> <descriptorRefs> <descriptorRef>jar-with-dependencies</descriptorRef> </descriptorRefs> </configuration> <executions> <execution> <id>make-assembly</id> <phase>package</phase> <goals> <goal>single</goal> </goals> </execution> </executions> </plugin> </plugins> 
</build>

在这里插入图片描述
注意：如果工程上显示红叉。在项目上右键->maven->Reimport 刷新即可。

（2）将程序打包成 jar 包

点击右边Maven，先点击clean再点击package打包
在这里插入图片描述
左边出现jar包，上面的是不带依赖的，下面的是带依赖的，由于我们的hadoop集群中已经配置了相关文件，所以用上面的即可。
在这里插入图片描述
在文件夹中查看它
在这里插入图片描述
从文件夹中复制到桌面，并更名pCount.jar
在这里插入图片描述

（3）将jar包导入到hadoop集群中

将其拖拽到hadoop中
在这里插入图片描述
使shopData中有pCount.jar
然后运行

（4）执行程序

[leokadia@hadoop102 shopData]$ hadoop jar pCount.jar com.leokadia.count.CountDriver /shopInputData /shopOutputData

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
结果示例：
在这里插入图片描述

三、感想、体会、建议∶

在执行wordcount程序时
[leokadia@hadoop102 hadoop-3.1.3]$ hadoop jar wc.jar com.leokadia.mapreduce.wordcount2.WordCountDriver /user/leokadia/Marvel /user/leokadia/output

我本以为最后一步就大功告成了，但报出以下错误
原来java本地版本与hadoop的版本不兼容
在这里插入图片描述

我在本地装的14，当时在hadoop里面配置的8
本地的java版本
在这里插入图片描述
hadoop里面装的java版本
在这里插入图片描述
于是，然后经过查证，hadoop3.x目前只支持jdk1.8
只好将本地的jdk版本改成8
因此我专门将我的JDK14卸干净，回去重新下载了一遍JDK8，并重新配置
具体如何卸载和安装我专门又写了篇博客
JDK的卸载与安装（慎重下载高版本JDK！强烈建议要安装就安装JDK8）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
修改配置后，删除原来的jar包，再重新生成即可。
期间还遇到
【Maven报错】Error:java: 不再支持源选项 5。请使用 6 或更高版本。
这个错误，最后尝试了许多方法也成功解决。具体的，我也写了篇博客论述相关解决办法。

在这几个月的大数据学习过程中我写了30篇左右关于大数据的博客，博客浏览量达到近4万，帮助了许多同学以及陌生人，收益匪浅。

这篇关于MapReduce之WordCount实战——统计某电商网站买家收藏商品数量的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/734067。

相关文章

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战：从入门到进阶优化1. MyBatis
阅读更多...
MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL？1.2 动态SQL的优点1.3 动态S
阅读更多...
Pandas使用SQLite3实战

Pandas使用SQLite3实战

《Pandas使用SQLite3实战》本文主要介绍了Pandas使用SQLite3实战,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学... 目录1 环境准备2 从 SQLite3VlfrWQzgt 读取数据到 DataFrame基础用法：读
阅读更多...
Python实战之屏幕录制功能的实现

Python实战之屏幕录制功能的实现

《Python实战之屏幕录制功能的实现》屏幕录制,即屏幕捕获,是指将计算机屏幕上的活动记录下来,生成视频文件,本文主要为大家介绍了如何使用Python实现这一功能,希望对大家有所帮助... 目录屏幕录制原理图像捕获音频捕获编码压缩输出保存完整的屏幕录制工具高级功能实时预览增加水印多平台支持屏幕录制原理屏幕
阅读更多...
一文详解SQL Server如何跟踪自动统计信息更新

一文详解SQL Server如何跟踪自动统计信息更新

《一文详解SQLServer如何跟踪自动统计信息更新》SQLServer数据库中,我们都清楚统计信息对于优化器来说非常重要,所以本文就来和大家简单聊一聊SQLServer如何跟踪自动统计信息更新吧... SQL Server数据库中，我们都清楚统计信息对于优化器来说非常重要。一般情况下，我们会开启"自动更新
阅读更多...
Redis中如何实现商品秒杀

Redis中如何实现商品秒杀

《Redis中如何实现商品秒杀》：本文主要介绍Redis中如何实现商品秒杀问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录技术栈功能实现步骤步骤一：准备商品库存数据步骤二：实现商品秒杀步骤三：优化Redis性能技术讲解Redis的List类型Redis的Set
阅读更多...
最新Spring Security实战教程之Spring Security安全框架指南

最新Spring Security实战教程之Spring Security安全框架指南

《最新SpringSecurity实战教程之SpringSecurity安全框架指南》SpringSecurity是Spring生态系统中的核心组件,提供认证、授权和防护机制,以保护应用免受各种安... 目录前言什么是Spring Security？同类框架对比Spring Security典型应用场景传统
阅读更多...
最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

最新Spring Security实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)

《最新SpringSecurity实战教程之表单登录定制到处理逻辑的深度改造(最新推荐)》本章节介绍了如何通过SpringSecurity实现从配置自定义登录页面、表单登录处理逻辑的配置,并简单模拟... 目录前言改造准备开始登录页改造自定义用户名密码登陆成功失败跳转问题自定义登出前后端分离适配方案结语前言
阅读更多...
OpenManus本地部署实战亲测有效完全免费(最新推荐)

OpenManus本地部署实战亲测有效完全免费(最新推荐)

《OpenManus本地部署实战亲测有效完全免费(最新推荐)》文章介绍了如何在本地部署OpenManus大语言模型,包括环境搭建、LLM编程接口配置和测试步骤,本文给大家讲解的非常详细,感兴趣的朋友一... 目录1.概况2.环境搭建2.1安装miniconda或者anaconda2.2 LLM编程接口配置2
阅读更多...
基于Canvas的Html5多时区动态时钟实战代码

基于Canvas的Html5多时区动态时钟实战代码

《基于Canvas的Html5多时区动态时钟实战代码》：本文主要介绍了如何使用Canvas在HTML5上实现一个多时区动态时钟的web展示，通过Canvas的API，可以绘制出6个不同城市的时钟，并且这些时钟可以动态转动，每个时钟上都会标注出对应的24小时制时间，详细内容请阅读本文，希望能对你有所帮助...
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2