大数据（数据清洗）

一、先修改pom.xml，在后面添加下面代码

<dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>3.1.3</version>
        </dependency>
    </dependencies>

二、创建WebLogMapper类

package org.example;
import java.io.IOException;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
 
public class WebLogMapper extends Mapper<LongWritable, Text, Text, NullWritable>{
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        // 1. 获取一行数据,使用空格进行拆分，判断是否有8个字段
        String[] fields = value.toString().split(" ");
        if (fields.length > 7) {
            // 这条数据是有意义的,保留
            System.out.println(fields[0]);
            context.write(value, NullWritable.get());
        } else {
            // 这条数据是无意义的,不保留
            return;
        }
    }
}

三、创建WebLogDriver类

package org.example;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.NullWritable;
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;
 
public class WebLogDriver {
    public static void main(String[] args) throws Exception {
// 1 获取job信息
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);
 
        // 2 加载jar包
        job.setJarByClass(WebLogDriver.class);
 
        // 3 关联map
        job.setMapperClass(WebLogMapper.class);
 
        // 4 设置最终输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);
 
        // 设置reducetask个数为0
        job.setNumReduceTasks(0);
 
        // 5 设置输入和输出路径
        FileInputFormat.setInputPaths(job, new Path("E:\\vm\\weblogs\\web3.log"));
        FileOutputFormat.setOutputPath(job, new Path("E:\\vm\\ouput3"));
 
        // 6 提交
        boolean b = job.waitForCompletion(true);
        System.exit(b ? 0 : 1);
    }
}