MR实战：统计总分与平均分

一、实战概述

• 任务：使用MapReduce框架计算学生总分与平均分

• 今天，我将向你们展示如何使用Apache Hadoop的MapReduce框架来计算每个学生的总分和平均分。我们有一个包含六个字段（姓名、语文、数学、英语、物理、化学）的成绩表，共有五条记录。

• 在大数据处理领域，Apache Hadoop的MapReduce框架以其强大的分布式计算能力备受瞩目。本次演示我们将通过实际操作，展示如何利用MapReduce来处理和分析学生成绩数据，计算每个学生的总分与平均分。此过程涵盖了数据准备、Maven项目搭建、Mapper和Reducer实现以及作业运行等多个关键步骤，旨在深入理解并掌握MapReduce的工作原理和应用实践。

• 以下是我们将要进行的步骤：

1. 准备数据：

   • 启动Hadoop服务。
   • 在虚拟机上创建一个名为score.txt的文本文件，其中每列之间故意隔两个空格。
   • 在HDFS上创建/calcscore/input目录，并将score.txt文件上传到这个目录。

2. 实现步骤：

   • 创建一个名为CalcScore的Maven项目，并在pom.xml文件中添加hadoop和junit依赖。
   • 在resources目录下创建log4j.properties文件，用于日志配置。
   • 创建一个名为ScoreMapper的映射器类，该类负责读取输入文件中的每行数据，然后将姓名和对应的科目成绩作为键值对输出。
   • 创建一个名为ScoreDriver的驱动器类，该类负责设置作业的配置、输入和输出路径，以及调用Mapper和Reducer。
   • 创建一个名为ScoreReducer的归并器类，该类负责接收Mapper输出的键值对，计算每个学生的总分和平均分，并将结果作为新的键值对输出。

• 接下来，我们将详细讲解每个类的实现细节。

• 在ScoreMapper类中，我们重写了map方法。这个方法首先获取输入行的内容，然后按照空格拆分得到字段数组。我们获取姓名，并遍历各科成绩，将每对<姓名, 成绩>写入上下文。

• 在ScoreDriver类中，我们首先创建一个配置对象，并设置数据节点主机名属性。然后，我们获取作业实例，设置作业启动类、Mapper类和map任务的输出键值类型。我们定义了输入和输出目录的URI字符串，并创建了相应的Path对象。我们删除输出目录（如果已存在），然后给作业添加输入目录和设置输出目录。最后，我们等待作业完成并输出统计结果。

• 在ScoreReducer类中，我们重写了reduce方法。这个方法接收Mapper输出的键值对，计算每个学生的总分和平均分，然后将结果作为新的键值对输出。

• 最后，我们修改ScoreDriver类，设置Reducer类及其输出键值类型，然后运行ScoreDriver类。我们可以通过HDFS Shell命令查看结果文件内容。

• 以上就是使用MapReduce框架计算学生总分与平均分的全过程。

二、提出任务

• 成绩表，包含六个字段（姓名、语文、数学、英语、物理、化学），有五条记录
  
• 利用MR框架，计算每个同学的总分与平均分
  

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calcscore目录，在里面创建score.txt文件
  
• 注意：每列之间故意隔两个空格

2、上传文件到HDFS指定目录

• 创建/calcscore/input目录，执行命令：hdfs dfs -mkdir -p /calcscore/input
  
• 将文本文件score.txt，上传到HDFS的/calcscore/input目录
  

（二）实现步骤

1、创建Maven项目

• Maven项目 - CalcScore
  

• 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=ERROR, 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/calcscore.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

4、创建成绩映射器类

• 在net.hw.mr里创建ScoreMapper类
  

package net.hw.mr;

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;

/**
 * 功能：成绩映射器类
 * 作者：华卫
 * 日期：2022年12月17日
 */
public class ScoreMapper extends Mapper <LongWritable, Text, Text, IntWritable>{
    @Override
    protected void map(LongWritable key, Text value, Context context) 
            throws IOException, InterruptedException {
        // 获取行内容
        String line = value.toString();
        // 按空格拆分得到字段数组
        String[] fields = line.split(" ");
        // 获取姓名
        String name = fields[0].trim();
        // 遍历各科成绩
        for (int i = 1; i < fields.length; i++) {
            // 获取成绩
            int score = Integer.parseInt(fields[i].trim());
            // 写入<姓名,成绩>键值对
            context.write(new Text(name), new IntWritable(score));
        }
    }
}

5、创建成绩驱动器类

• 在net.hw.mr包里创建ScoreDriver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.IOUtils;
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;

import java.net.URI;

/**
 * 功能：成绩驱动器类
 * 作者：华卫
 * 日期：2022年12月17日
 */
public class ScoreDriver {
    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(ScoreDriver.class);

        // 设置Mapper类
        job.setMapperClass(ScoreMapper.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);

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

6、启动成绩驱动器类，查看结果

• 运行ScoreDriver类
  

7、创建成绩归并器类

• 在net.hw.mr包里创建ScoreReducer类
  

package net.hw.mr;

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

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

/**
 * 功能：成绩归并器类
 * 作者：华卫
 * 日期：2022年12月17日
 */
public class ScoreReducer extends Reducer<Text, IntWritable, Text, NullWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) 
            throws IOException, InterruptedException {
        // 声明变量
        int count = 0; // 科目数
        int sum = 0; // 总分
        double avg = 0; // 平均分
        // 遍历迭代器计算总分
        for (IntWritable value : values) {
            count++; // 科目数累加
            sum += value.get(); // 总分累加
        }
        // 计算平均分
        avg = sum * 1.0 / count;
        // 创建小数格式对象
        DecimalFormat df = new DecimalFormat("#.#");
        // 拼接每个学生总分与平均分成绩信息
        String scoreInfo = "(" + key + "," + sum + "," + df.format(avg) + ")";
        // 写入键值对
        context.write(new Text(scoreInfo), NullWritable.get());
    }
}

8、修改成绩驱动器类

• 设置Reducer类及其输出键值类型
  

9、启动成绩驱动器列，查看结果

• 运行ScoreDriver 类
  
• 利用HDFS Shell命令查看结果文件内容