任务描述

知识点：

• 使用MapReduce提取数据

重  点：

• 开发MapReduce程序
• 统计每年每个月的最低气温
• 统计每年每个月的最高气温

内  容：

• 使用IDEA创建一个MapReduce项目
• 开发MapReduce程序
• 使用MapReduce统计每年每个月的最低气温
• 使用MapReduce统计每年每个月的最高气温

任务指导

1. 使用MapReduce提取最低气温

• 使用IDEA创建Maven项目：TemperatureDemo
• 在Settings中配置Maven
• 配置pom.xml文件
• 开发MapReduce程序
  • com.MinTemperatureMapper：提取日期和气温数据
  • com.MinTemperatureReducer：提取其中的最低温度，由于气温数据的膨胀因子为10，也就是说是原始数据的10倍，因此需要将获取的气温数据除以10
  • com.MinTemperature：MapReduce程序主入口
• 程序编写完成，右键MinTemperature，点击Run 'MinTemperature.main()'运行MapReduce程序
• 程序运行完成，进入master机器，查看运行结果

2. 使用MapReduce提取最高气温

• 开发MapReduce程序
  • com.MaxTemperatureMapper：提取日期和气温数据
  • com.MaxTemperatureReducer：提取其中的最高温度，由于气温数据的膨胀因子为10，也就是说是原始数据的10倍，因此需要将获取的气温数据除以10
  • com.MaxTemperature：MapReduce程序主入口
• 程序编写完成，右键MaxTemperature，点击Run 'MaxTemperature.main()'运行MapReduce程序
• 程序运行完成，进入master机器，查看运行结果

任务实现

1. 使用MapReduce提取最低气温

• 使用IDEA创建Maven项目：TemperatureDemo

• 在Settings中配置Maven

• 配置pom.xml文件，内容如下：

<dependencies>    <dependency>        <groupId>org.apache.hadoop</groupId>        <artifactId>hadoop-client</artifactId>        <version>2.9.2</version>    </dependency>
</dependencies>

       程序是一个典型的MapReudce程序结构，主要包括三个类，分别为：MinTemperatureMapper.java（Map程序）、MinTemperatureReducer.java（Reduce程序）、MinTemperature.java（Driver驱动类）。

       程序的作用是将前面ETL后的天气数据进行提取数据操作，抽取出22年内的每个月的最低温度，并保存到HDFS。

• Map端：提取日期和气温数据
• 在项目的src/main/java/com包中创建一个类MinTemperatureMapper.java，内容如下：

package com;import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;public class MinTemperatureMapper extends Mapper<LongWritable, Text,Text, FloatWritable> {private static final int MISSING = -9999;@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {String line = value.toString();if (!"".equals(line)) {String[] values = line.split(",");
//          获取年份String year = values[1];
//          获取月份String month = values[2];
//          拼接年份和月份，作为输出keyString textKey = year + "-" + month;
//          获取气温数据float temp = Float.parseFloat(values[5]);if (temp != MISSING) {System.out.println(textKey+":"+temp);context.write(new Text(textKey), new FloatWritable(temp));}}}
}

• Reduce端：Reduce获取到Map端的输出，例如：<2000-01,list[-121,-32,-53,51........]>，将同一个月份的气温数据整合到一个list列表中，提取其中的最低温度，由于气温数据的膨胀因子为10，也就是说是原始数据的10倍，因此需要将获取的气温数据除以10。
• 在项目的src/main/java/com包中创建一个类MinTemperatureReducer.java，内容如下：

package com;import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;public class MinTemperatureReducer extends Reducer<Text, FloatWritable,Text,FloatWritable> {@Overrideprotected void reduce(Text key, Iterable<FloatWritable> values, Context context) throws IOException, InterruptedException {float minValue = Float.MAX_VALUE;for (FloatWritable value : values) {
//          获取最低温度minValue = Math.min(minValue, value.get());}//     气温数据的膨胀因子为10，需要将获取的气温数据除以10float air = minValue/10;context.write(key,new FloatWritable(air));}
}

• Driver端：MapReduce程序的驱动类
• 在项目的src/main/java/com包中创建一个类MinTemperature.java，内容如下：

package com;import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.FloatWritable;
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;
import org.apache.hadoop.util.GenericOptionsParser;public class MinTemperature {public static void main(String[] args) {Configuration conf = new Configuration();Job job = null;try {job = Job.getInstance(conf);job.setJarByClass(MinTemperature.class);job.setJobName("Min temperature");job.setMapperClass(MinTemperatureMapper.class);job.setReducerClass(MinTemperatureReducer.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(FloatWritable.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(FloatWritable.class);FileInputFormat.addInputPath(job,new Path("hdfs://master:9000/china_all/"));FileOutputFormat.setOutputPath(job,new Path("hdfs://master:9000/output/mintemp/"));System.exit(job.waitForCompletion(true) ? 0 : 1);
//            job.submit();} catch (IOException e) {e.printStackTrace();} catch (ClassNotFoundException e) {e.printStackTrace();} catch (InterruptedException e) {e.printStackTrace();}}
}

• 程序编写完成，右键MinTemperature，点击Run 'MinTemperature.main()'运行MapReduce程序
• 控制台输出：

• 程序运行完成，进入master机器，查看运行结果

# hadoop fs -ls /output/mintemp

# hadoop fs -cat /output/mintemp/part-r-*

2. 使用MapReduce提取最高气温

程序同样是一个典型的MapReudce程序结构，主要包括三个类，分别为：MaxTemperatureMapper.java（Map程序）、MaxTemperatureReducer.java（Reduce程序）、MaxTemperature.java（Driver驱动类）。

       程序的作用是将前面ETL后的天气数据进行提取数据操作，抽取出22年内的每个月的最高温度，并保存到HDFS。

• Map端：提取日期和气温数据
• 在TemperatureDemo项目的src/main/java/com包中创建一个类MaxTemperatureMapper.java，内容如下：

package com;import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;import java.io.IOException;public class MaxTemperatureMapper extends Mapper<LongWritable, Text,Text, FloatWritable> {private static final int MISSING = -9999;@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {String line = value.toString();if (!"".equals(line)) {String[] values = line.split(",");
//          获取年份String year = values[1];
//          获取月份String month = values[2];
//          拼接年份和月份，作为输出keyString textKey = year + "-" + month;
//          获取气温数据float temp = Float.parseFloat(values[5]);if (temp != MISSING) {System.out.println(textKey+":"+temp);context.write(new Text(textKey), new FloatWritable(temp));}}}
}

• Reduce端：Reduce获取到Map端的输出，例如：<2000-01,list[-121,-32,-53,51........]>，将同一个月份的气温数据整合到一个list列表中，提取其中的最高温度，由于气温数据的膨胀因子为10，也就是说是原始数据的10倍，因此需要将获取的气温数据除以10。
• 在项目的src/main/java/com包中创建一个类MaxTemperatureReducer.java，内容如下：

package com;import org.apache.hadoop.io.FloatWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;import java.io.IOException;public class MaxTemperatureReducer extends Reducer<Text, FloatWritable,Text,FloatWritable> {@Overrideprotected void reduce(Text key, Iterable<FloatWritable> values, Context context) throws IOException, InterruptedException {float maxValue = Float.MIN_VALUE;for (FloatWritable value : values) {
//          获取最高温度maxValue = Math.max(maxValue, value.get());}//     气温数据的膨胀因子为10，需要将获取的气温数据除以10float air = maxValue/10;context.write(key,new FloatWritable(air));}
}

• Driver端：MapReduce程序的驱动类
• 在项目的src/main/java/com包中创建一个类MaxTemperature.java，内容如下：

package com;import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.FloatWritable;
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;
import org.apache.hadoop.util.GenericOptionsParser;public class MaxTemperature {public static void main(String[] args) {Configuration conf = new Configuration();Job job = null;try {job = Job.getInstance(conf);job.setJarByClass(MaxTemperature.class);job.setJobName("Max temperature");job.setMapperClass(MaxTemperatureMapper.class);job.setReducerClass(MaxTemperatureReducer.class);job.setMapOutputKeyClass(Text.class);job.setMapOutputValueClass(FloatWritable.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(FloatWritable.class);FileInputFormat.addInputPath(job,new Path("hdfs://master:9000/china_all/"));FileOutputFormat.setOutputPath(job,new Path("hdfs://master:9000/output/maxtemp/"));System.exit(job.waitForCompletion(true) ? 0 : 1);
//            job.submit();} catch (IOException e) {e.printStackTrace();} catch (ClassNotFoundException e) {e.printStackTrace();} catch (InterruptedException e) {e.printStackTrace();}}
}

• 程序编写完成，右键MaxTemperature，点击Run 'MaxTemperature.main()'运行MapReduce程序
• 程序运行完成，进入master机器，查看运行结果

# hadoop fs -ls /output/maxtemp

# hadoop fs -cat /output/maxtemp/part-r-*