java使用hadoop实现关联商品统计

java使用hadoop实现关联商品统计

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 {

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 {

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 values, Context context) throws IOException, InterruptedException{

String keyStr = key.toString();

HashMap hashMap = new HashMap();

//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 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 PatQZwoLhxh(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！

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。