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<LongWritable, Text, Text, Text> {
   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<Text, Text, Text, IntWritable> {
   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<Text> values, Context context) throws IOException, InterruptedException{
     String keyStr = key.toString();
     HashMap<String, Integer> hashMap = new HashMap<String, Integer>();
     //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<String, Integer> 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 Path(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！