课堂测试

Result文件数据说明：

Ip：106.39.41.166,（城市）

Date：10/Nov/2016:00:01:02 +0800,（日期）

Day：10,（天数）

Traffic: 54 ,（流量）

Type: video,（类型：视频video或文章article）

Id: 8701（视频或者文章的id）

测试要求：

1、 数据清洗：按照进行数据清洗，并将清洗后的数据导入hive数据库中。

两阶段数据清洗：

（1）第一阶段：把需要的信息从原始日志中提取出来

ip:    199.30.25.88

time:  10/Nov/2016:00:01:03 +0800

traffic:  62

文章： article/11325

视频： video/3235

（2）第二阶段：根据提取出来的信息做精细化操作

ip--->城市 city（IP）

date--> time:2016-11-10 00:01:03

day: 10

traffic:62

type:article/video

id:11325

（3）hive数据库表结构:

create table data(  ip string,  time string , day string, traffic bigint,

type string, id   string )

2、数据处理：

·统计最受欢迎的视频/文章的Top10访问次数 （video/article）

·按照地市统计最受欢迎的Top10课程 （ip）

·按照流量统计最受欢迎的Top10课程 （traffic）

代码如下：

public static class Map extends Mapper<Object , Text , Text,Text >{ 
 2         private static Text ip=new Text();
 3 //        private static Text date=new Text();
 4 //        private static Text type=new Text();
 5 //        private static Text id=new Text(); 
 6         private static Text traffic=new Text(); 
 7         public void map(Object key,Text value,Context context) throws IOException, InterruptedException{ 
 8             String line=value.toString(); 
 9             String arr[]=line.split(","); 
10             traffic.set(arr[0]); 
11             String str[]=arr[1].split("[:]|[/]|[+]");
12             String s=str[2]+"-"+"11"+"-"+str[0]+" "+str[3]+":"+str[4]+":"+str[5];
13             ip.set(s+","+str[0]+","+arr[3]+","+arr[4]+","+arr[5]); 
14             context.write(traffic,ip);
15         } 
16     } 
17     public static class Reduce extends Reducer< IntWritable, Text, Text, Text>{ 
18         public void reduce(Text key,Iterable<Text> values,Context context) throws IOException, InterruptedException{ 
19             for(Text val:values){ 
20                 context.write(key,val); 
21             } 
22         } 
23     } 

清洗前截图：

 清洗后截图：