MR实战：分科汇总求月考平均分

一、实战概述

• 在本次实战中，我们将利用Hadoop MapReduce处理学生月考成绩数据，目标是计算每个同学语文、数学和英语的平均分。通过启动Hadoop服务、准备数据、创建Maven项目以及实现Mapper、Reducer和Driver类，我们将深入实践大数据处理流程。此任务将帮助我们理解MapReduce的工作原理，并提升大数据分析能力。一起来探索分布式计算的力量，揭示隐藏在海量数据中的学习表现趋势。

• 我们首先启动Hadoop服务，并在虚拟机上创建包含语文、数学、英语成绩的文本文件chinese.txt、math.txt和english.txt。然后，我们将这三个文件上传到HDFS的/subjectavg/input目录。

• 接下来，我们通过Maven创建一个名为SubjectAvg的项目，并添加hadoop和junit依赖。在项目中，我们创建了日志属性文件log4j.properties以配置日志输出。

• 为了处理数据，我们创建了学生实体类Student，该类实现了Writable接口，以便在Mapper和Reducer中使用。在Student类中，我们定义了姓名、语文、数学和英语成绩的属性以及相关的getter和setter方法。

• 我们还创建了科目平均分映射器类SubjectAvgMapper，该类继承自Mapper<LongWritable, Text, Text, Student>。在map方法中，我们获取文件切片对象以确定读取的是哪个科目成绩文件，然后解析输入行并创建Student对象，根据科目设置相应的成绩。

• 科目平均分归并器类SubjectAvgReducer继承自Reducer<Text, Student, Text, Student>。在reduce方法中，我们遍历学生迭代器，累加各科成绩，然后计算平均分并更新Student对象。

• 最后，我们创建了科目平均分驱动器类SubjectAvgDriver，在其中设置了作业的相关配置，包括Mapper类、Reducer类、输入路径和输出路径。通过运行此驱动器类，我们可以得到每个同学各科的平均分。

二、提出任务

• 语文月考成绩 - chinese.txt

1 张晓云 89
2 张晓云 73
3 张晓云 67
4 张晓云 70
5 张晓云 79
6 张晓云 87
7 张晓云 99
8 张晓云 83
9 张晓云 97
10 张晓云 92
11 张晓云 67
12 张晓云 86
1 王东林 49
2 王东林 83
3 王东林 67
4 王东林 49
5 王东林 93
6 王东林 87
7 王东林 65
8 王东林 92
9 王东林 60
10 王东林 94
11 王东林 81
12 王东林 90
1 李宏宇 77
2 李宏宇 66
3 李宏宇 89
4 李宏宇 87
5 李宏宇 96
6 李宏宇 79
7 李宏宇 87
8 李宏宇 96
9 李宏宇 69
10 李宏宇 87
11 李宏宇 96
12 李宏宇 79

• 数学月考成绩 - math.txt

1 张晓云 79
2 张晓云 83
3 张晓云 77
4 张晓云 90
5 张晓云 89
6 张晓云 67
7 张晓云 89
8 张晓云 93
9 张晓云 90
10 张晓云 82
11 张晓云 77
12 张晓云 96
1 王东林 78
2 王东林 94
3 王东林 76
4 王东林 70
5 王东林 90
6 王东林 83
7 王东林 85
8 王东林 82
9 王东林 84
10 王东林 78
11 王东林 99
12 王东林 93
1 李宏宇 86
2 李宏宇 81
3 李宏宇 76
4 李宏宇 93
5 李宏宇 88
6 李宏宇 82
7 李宏宇 81
8 李宏宇 93
9 李宏宇 86
10 李宏宇 90
11 李宏宇 67
12 李宏宇 88

• 英语月考成绩 - english.txt

1 张晓云 78
2 张晓云 83
3 张晓云 92
4 张晓云 66
5 张晓云 82
6 张晓云 89
7 张晓云 79
8 张晓云 68
9 张晓云 96
10 张晓云 91
11 张晓云 87
12 张晓云 82
1 王东林 69
2 王东林 86
3 王东林 73
4 王东林 99
5 王东林 67
6 王东林 95
7 王东林 74
8 王东林 92
9 王东林 76
10 王东林 88
11 王东林 92
12 王东林 56
1 李宏宇 88
2 李宏宇 78
3 李宏宇 92
4 李宏宇 78
5 李宏宇 89
6 李宏宇 76
7 李宏宇 92
8 李宏宇 75
9 李宏宇 88
10 李宏宇 92
11 李宏宇 97
12 李宏宇 85

• 统计每个同学各科月考平均分

张晓云	Student{name='张晓云', chinese=82.4, math=84.3, english=82.8}
李宏宇	Student{name='李宏宇', chinese=84.0, math=84.2, english=85.8}
王东林	Student{name='王东林', chinese=75.8, math=84.3, english=80.6}

三、完成任务

（一）准备数据

• 启动hadoop服务
  

1、在虚拟机上创建文本文件

• 创建subjectavg目录，在里面创建chinese.txt文件（数据没有显示全）
  
• 创建math.txt（数据没有显示全）
  
• 创建english.txt（数据没有显示全）
  

2、上传文件到HDFS指定目录

• 创建/subjectavg/input目录，执行命令：hdfs dfs -mkdir -p /subjectavg/input
  
• 将文本文件chinese.txt、math.txt与english.txt，上传到HDFS的/subjectavg/input目录
  

（二）实现步骤

1、创建Maven项目

• Maven项目 - SubjectAvg
  
• 单击【Finish】按钮

2、添加相关依赖

• 在pom.xml文件里添加hadoop和junit依赖

<dependencies>                                      
    <!--hadoop客户端-->                                
    <dependency>                                    
        <groupId>org.apache.hadoop</groupId>        
        <artifactId>hadoop-client</artifactId>      
        <version>3.3.4</version>                    
    </dependency>                                   
    <!--单元测试框架-->                                   
    <dependency>                                    
        <groupId>junit</groupId>                    
        <artifactId>junit</artifactId>              
        <version>4.13.2</version>                   
    </dependency>                                   
</dependencies>                                     

3、创建日志属性文件

• 在resources目录里创建log4j.properties文件
  

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

4、创建学生实体类

• 在net.hw.mr包里创建Student类
  
• 注意：学生实体类必须实现Writable接口，才能作为Mapper和Reducer的输出值类型

package net.hw.mr;

import org.apache.hadoop.io.Writable;

import java.io.DataInput;
import java.io.DataOutput;
import java.io.IOException;

/**
 * 功能：学生实体类
 * 作者：华卫
 * 日期：2022年12月05日
 */
public class Student implements Writable {
    private String name;
    private double chinese;
    private double math;
    private double english;

    public String getName() {
        return name;
    }

    public void setName(String name) {
        this.name = name;
    }

    public double getChinese() {
        return chinese;
    }

    public void setChinese(double chinese) {
        this.chinese = chinese;
    }

    public double getMath() {
        return math;
    }

    public void setMath(double math) {
        this.math = math;
    }

    public double getEnglish() {
        return english;
    }

    public void setEnglish(double english) {
        this.english = english;
    }

    public void write(DataOutput dataOutput) throws IOException {
        dataOutput.writeUTF(name);
        dataOutput.writeDouble(chinese);
        dataOutput.writeDouble(math);
        dataOutput.writeDouble(english);
    }

    public void readFields(DataInput dataInput) throws IOException {
        name = dataInput.readUTF();
        chinese = dataInput.readDouble();
        math = dataInput.readDouble();
        english = dataInput.readDouble();
    }

    @Override
    public String toString() {
        return "Student{" +
                "name='" + name + '\'' +
                ", chinese=" + chinese +
                ", math=" + math +
                ", english=" + english +
                '}';
    }
}

5、创建科目平均分映射器类

• 在net.hw.mr包里创建SubjectAvgMapper类
  
• 由于MR程序读取/subjectavg/input目录里的三个科目成绩文件，在Mapper获取文件切片时就要区分读取的是哪一个文件，可以通过context的getInputSplit()方法获得文件切片对象，由此可以获取该切片对应的文件名，从而知道读取的是哪一科的成绩文件。

package net.hw.mr;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;

import java.io.IOException;

/**
 * 功能：科目平均分映射器类
 * 作者：华卫
 * 日期：2022年12月05日
 */
public class SubjectAvgMapper extends Mapper<LongWritable, Text, Text, Student> {
    @Override
    protected void map(LongWritable key, Text value, Context context)
            throws IOException, InterruptedException {
        // 获取文件切片对象（将输入切片强转成文件切片）
        FileSplit split = (FileSplit) context.getInputSplit();
        // 获取文件切片对应的文件名
        String filename = split.getPath().getName();

        // 拆分行获取成绩数据
        String line = value.toString();
        String[] data = line.split(" ");
        String name = data[1];
        int score = Integer.parseInt(data[2]);

        // 创建学生实体
        Student student = new Student();
        // 设置姓名属性
        student.setName(name);
        // 根据读取文件名来设置相应科目成绩
        if (filename.contains("chinese")) {
            student.setChinese(score);
        } else if (filename.contains("math")) {
            student.setMath(score);
        } else if (filename.contains("english")){
            student.setEnglish(score);
        }

        context.write(new Text(name), student);
    }
}

6、创建科目平均分归并器类

• 在net.hw.mr包里创建SubjectAvgReducer类

package net.hw.mr;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;
import java.text.DecimalFormat;

/**
 * 功能：科目平均分归并器类
 * 作者：华卫
 * 日期：2022年12月05日
 */
public class SubjectAvgReducer extends Reducer<Text, Student, Text, Student> {
    @Override
    protected void reduce(Text key, Iterable<Student> values, Context context) throws IOException, InterruptedException {
        // 创建学生对象
        Student student = new Student();
        // 设置姓名属性
        student.setName(key.toString());
        // 遍历学生迭代器，累加各科成绩
        for (Student value : values) {
            student.setChinese(student.getChinese() + value.getChinese());
            student.setMath(student.getMath() + value.getMath());
            student.setEnglish(student.getEnglish() + value.getEnglish());
        }
        // 求各科平均分
        DecimalFormat df = new DecimalFormat("##.#");
        student.setChinese(Double.parseDouble(df.format(student.getChinese() / 12)));
        student.setMath(Double.parseDouble(df.format(student.getMath() / 12)));
        student.setEnglish(Double.parseDouble(df.format(student.getEnglish() / 12)));
        // 输出处理后的键值对
        context.write(key, student);
    }
}

7、创建科目平均分驱动器类

• 在net.hw.mr包里创建SubjectAvgDriver类
  

package net.hw.mr;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataInputStream;
import org.apache.hadoop.fs.FileStatus;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.net.URI;

/**
 * 功能：成绩和驱动器类
 * 作者：华卫
 * 日期：2022年12月02日
 */
public class ScoreSumDriver {
    public static void main(String[] args) throws Exception {
        // 创建配置对象
        Configuration conf = new Configuration();
        // 设置数据节点主机名属性
        conf.set("dfs.client.use.datanode.hostname", "true");

        // 获取作业实例
        Job job = Job.getInstance(conf);
        // 设置作业启动类
        job.setJarByClass(ScoreSumDriver.class);

        // 设置Mapper类
        job.setMapperClass(ScoreSumMapper.class);
        // 设置map任务输出键类型
        job.setMapOutputKeyClass(Text.class);
        // 设置map任务输出值类型
        job.setMapOutputValueClass(IntWritable.class);

        // 设置Reducer类
        job.setReducerClass(ScoreSumReducer.class);
        // 设置reduce任务输出键类型
        job.setOutputKeyClass(Text.class);
        // 设置reduce任务输出值类型
        job.setOutputValueClass(NullWritable.class);

        // 定义uri字符串
        String uri = "hdfs://master:9000";
        // 创建输入目录
        Path inputPath = new Path(uri + "/scoresum/input");
        // 创建输出目录
        Path outputPath = new Path(uri + "/scoresum/output");

        // 获取文件系统
        FileSystem fs =  FileSystem.get(new URI(uri), conf);
        // 删除输出目录（第二个参数设置是否递归）
        fs.delete(outputPath, true);

        // 给作业添加输入目录（允许多个）
        FileInputFormat.addInputPath(job, inputPath);
        // 给作业设置输出目录（只能一个）
        FileOutputFormat.setOutputPath(job, outputPath);

        // 等待作业完成
        job.waitForCompletion(true);

        // 输出统计结果
        System.out.println("======统计结果======");
        FileStatus[] fileStatuses = fs.listStatus(outputPath);
        for (int i = 1; i < fileStatuses.length; i++) {
            // 输出结果文件路径
            System.out.println(fileStatuses[i].getPath());
            // 获取文件系统数据字节输入流
            FSDataInputStream in = fs.open(fileStatuses[i].getPath());
            // 将结果文件显示在控制台
            IOUtils.copyBytes(in, System.out, 4096, false);
        }
    }
}

8、启动应用，查看结果

• 运行SubjectAvgDriver类
  
  

• 下载结果文件 - part-r-00000
  

• 查看结果文件 - part-r-00000