使用hadoop实现关联商品统计

转载请注明出处：http://blog.csdn.net/xiaojimanman/article/details/40184581

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~