MapReduce案例3——求简单数据去重

最新推荐文章于 2023-03-22 18:27:24 发布

jin6872115

最新推荐文章于 2023-03-22 18:27:24 发布

阅读量493

点赞数 1

CC 4.0 BY-SA版权

分类专栏： MapReduce 文章标签： mapreduce 数据去重

本文链接：https://blog.youkuaiyun.com/jin6872115/article/details/79586362

MapReduce 专栏收录该内容

17 篇文章

订阅专栏

本文介绍了一种利用Hadoop MapReduce进行数据去重的方法，通过将数据的两列为键值，在Reduce阶段输出唯一组合来实现。具体展示了从源数据到去重后的最终结果，并提供了完整的Java代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数据去重源数据：
2012-3-1 a
2012-3-2 b
2012-3-3 c
2012-3-4 d
2012-3-5 a
2012-3-6 b
2012-3-7 c
2012-3-3 c
2012-3-1 b
2012-3-2 a
2012-3-3 b
2012-3-4 d
2012-3-5 a
2012-3-6 c
2012-3-7 d
2012-3-3 c


最终结果：
2012-3-1 a
2012-3-1 b
2012-3-2 a
2012-3-2 b
2012-3-3 b
2012-3-3 c
2012-3-4 d
2012-3-5 a
2012-3-6 b
2012-3-6 c
2012-3-7 c
2012-3-7 d

思路：将两列数据作为key值，在reduce阶段，每次输出一个，就可以达到去重的目的

/**
 * @author: lpj   
 * @date: 2018年3月16日 下午7:16:47
 * @Description:
 */
package lpj.reduceWork;

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
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;
/**
 *
 */
public class DistinctNumMR {
	
	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
//		conf.addResource("hdfs-site.xml");//使用配置文件
//		System.setProperty("HADOOP_USER_NAME", "hadoop");//使用集群
		FileSystem fs = FileSystem.get(conf);//默认使用本地
		
		Job job = Job.getInstance(conf);
		job.setJarByClass(DistinctNumMR.class);
		job.setMapperClass(DistinctNumMR_Mapper.class);
		job.setReducerClass(DistinctNumMR_Reducer.class);
		
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(NullWritable.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(NullWritable.class);
//		
//		String inputpath = args[0];
//		String outpath = args[1];
		
		Path inputPath = new Path("d:/a/homework3.txt");
		Path outputPath = new Path("d:/a/homework3");
		if (fs.exists(inputPath)) {
			fs.delete(outputPath, true);
		}
		
		FileInputFormat.setInputPaths(job, inputPath);
		FileOutputFormat.setOutputPath(job, outputPath);
		boolean isdone = job.waitForCompletion(true);
		System.exit(isdone ? 0 : 1);
	}
	
	public static class DistinctNumMR_Mapper extends Mapper<LongWritable, Text, Text, NullWritable>{
		Text kout = new Text();
		Text valueout = new Text();
		@Override
		protected void map(LongWritable key, Text value,Context context)throws IOException, InterruptedException {
			//2012-3-3 c
			String [] reads = value.toString().trim().split(" ");
			String kk = reads[0] + "\t" + reads[1];
			kout.set(kk);
			context.write(kout, NullWritable.get());
			
		}
	}
	public static class DistinctNumMR_Reducer extends Reducer<Text, NullWritable,Text, NullWritable>{
		Text kout = new Text();
		Text valueout = new Text();
		@Override
		protected void reduce(Text key, Iterable<NullWritable> values, Context context)throws IOException, InterruptedException {
			context.write(key, NullWritable.get());
		}
		
	}

}

运行结果：

2012-3-1	a
2012-3-1	b
2012-3-2	a
2012-3-2	b
2012-3-3	b
2012-3-3	c
2012-3-4	d
2012-3-5	a
2012-3-6	b
2012-3-6	c
2012-3-7	c
2012-3-7	d