Hadoop MapReduce编程 API入门系列之挖掘气象数据版本2（十）

 　　下面，是版本1。

Hadoop MapReduce编程 API入门系列之挖掘气象数据版本1（一）

 　　这篇博文，包括了，实际生产开发非常重要的，单元测试和调试代码。这里不多赘述，直接送上代码。

MRUnit 框架

MRUnit是Cloudera公司专为Hadoop MapReduce写的单元测试框架，API非常简洁实用。MRUnit针对不同测试对象使用不同的Driver：

        MapDriver：针对单独的Map测试

        ReduceDriver：针对单独的Reduce测试

        MapReduceDriver：将map和reduce串起来测试

        PipelineMapReduceDriver：将多个MapReduce对串志来测试

 　　记得，将这个jar包，放到工程项目里。我这里是在工程项目的根目录下的lib下。

代码版本2

      编写TemperatureMapperTest.java的代码。  编译，出现以下，则说明无误。

 

   在test()方法中，withInput的key/value参数分别为偏移量和一行气象数据，其类型要与TemperatureMapper的输入类型一致即为LongWritable和Text。 withOutput的key/value参数分别是我们期望输出的new Text("03103")和new IntWritable(200)，我们要达到的测试效果就是我们的期望输出结果与 TemperatureMapper 的实际输出结果一致。

     测试方法为 test() 方法，左边的对话框里显示"Runs：1/1，Errors：0，Failures：0"，说明 Mapper 测试成功了。

    创建TemperatureReduceTest.java，来对Reduce进行测试。

     在test()方法中，withInput的key/value参数分别为new Text(key)和List类型的集合values。withOutput 的key/value参数分别是我们所期望输出的new Text(key)和new IntWritable(150)，我们要达到的测试效果就是我们的期望输出结果与TemperatureReducer实际输出结果一致。

 编写TemperatureReduceTest.java的代码。  编译，出现以下，则说明无误。

        Reducer 端的单元测试，鼠标放在 TemperatureReduceTest 类上右击，选择 Run As ——> JUnit test，运行结果如下所示。

测试方法为 test() 方法，左边的对话框里显示"Runs：1/1，Errors：0，Failures：0"，说明 Reducer 测试成功了。

 MapReduce 单元测试

        把 Mapper 和 Reducer 集成起来的测试案例代码如下。

      创建TemperatureTest.java，来进行测试。

  在 test() 方法中，withInput添加了两行测试数据line和line2，withOutput 的key/value参数分别为我们期望的输出结果new Text("03103")和new IntWritable(150)。我们要达到的测试效果就是我们期望的输出结果与Temperature实际的输出结果一致。

    编写TemperatureTest.java的代码。 编译，出现以下，则说明无误。

        Reducer 端的单元测试，鼠标放在 TemperatureTest.java类上右击，选择 Run As ——> JUnit test，运行结果如下所示。

    测试方法为 test() 方法，左边的对话框里显示"Runs：1/1，Errors：0，Failures：0"，说明 MapReduce 测试成功了。

Temperature.java代码

package zhouls.bigdata.myMapReduce.TemperatureTest;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
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.input.FileSplit;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;


/*
Hadoop内置的数据类型:
    BooleanWritable:标准布尔型数值
    ByteWritable:单字节数值
    DoubleWritable:双字节数值
    FloatWritable:浮点数
    IntWritable:整型数
    LongWritable:长整型数
    Text:使用UTF8格式存储的文本
    NullWritable:当<key, value>中的key或value为空时使用
*/


/**
 * 统计美国每个气象站30年来的平均气温
 * 1、编写map()函数
 * 2、编写reduce()函数
 * 3、编写run()执行方法，负责运行MapReduce作业
 * 4、在main()方法中运行程序
 * 
 * @author zhouls
 *
 */
                        //继承Configured类，实现Tool接口
public class Temperature extends Configured implements Tool{
    public static class TemperatureMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
                                //输入的key,输入的value,输出的key,输出的value
        //输入的LongWritable键是某一行起始位置相对于文件起始位置的偏移量，不过我们不需要这个信息，所以将其忽略。
        
//        在这种情况下，我们将气象站id按 Text 对象进行读/写（因为我们把气象站id当作键），将气温值封装在 IntWritale 类型中。只有气温数据不缺失，这些数据才会被写入输出记录中。
        
        
//        map 函数的功能仅限于提取气象站和气温信息
        
        /**
         * @function Mapper 解析气象站数据
         * @input key=偏移量  value=气象站数据
         * @output key=weatherStationId value=temperature
         */
        public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException{
                                //map()函数还提供了context实例，用于键值对的输出  或者说 map() 方法还提供了 Context 实例用于输出内容的写入
            
//                                就本示例来说，输入键是一个长整数偏移量，输入值是一行文本，输出键是气象站id，输出值是气温（整数）。
//                同时context作为了map和reduce执行中各个函数的一个桥梁，这个设计和Java web中的session对象、application对象很相似
            
            
            //第一步，我们将每行气象站数据转换为每行的String类型
            String line = value.toString(); //每行气象数据
//            values是1980 12 01 00    78   -17 10237   180    21     1     0     0
//            line是"1980 12 01 00    78   -17 10237   180    21     1     0     0"
            
            
            //第二步：提取气温值
            int temperature = Integer.parseInt(line.substring(14, 19).trim());//每小时气温值
                                 //需要转换为整形，截取第14位到19位，从第0位开始，trim()的功能是去掉首尾空格。
                                //substring()方法截取我们业务需要的值
            
//            substring(start, stop)其内容是从 start 处到 stop-1 处的所有字符，其长度为 stop 减 start。
            
//            如Hello world!    若是substring(3,7)        则是lo w
            
//                                Integer.parseInt() 返回的是一个int的值。在这里， 给temperature
            
//             new Integer.valueof()返回的是Integer的对象。 
//             Integer.parseInt() 返回的是一个int的值。
//             new Integer.valueof().intValue();返回的也是一个int的值。 
            
            
            
            
            
//            1980 12 01 00    78   -17 10237   180    21     1     0     0
                            //78是气温值
            
//            temperature是78
            
//            30yr_03103.dat
//            30yr_03812.dat
//            30yr_03813.dat
//            30yr_03816.dat
//            30yr_03820.dat
//            30yr_03822.dat
//            30yr_03856.dat
//            30yr_03860.dat
//            30yr_03870.dat
//            30yr_03872.dat
            
            
//            (0，1985 07 31 02   200    94 10137   220    26     1     0 -9999)
//            (62，1985 07 31 03   172    94 10142   240     0     0     0 -9999)
//            (124，1985 07 31 04   156    83 10148   260    10     0     0 -9999)
//            (186，1985 07 31 05   133    78 -9999   250     0 -9999     0 -9999)
//            (248，1985 07 31 06   122    72 -9999    90     0 -9999     0     0)
//            (310，1985 07 31 07   117    67 -9999    60     0 -9999     0 -9999)
//            (371，1985 07 31 08   111    61 -9999    90     0 -9999     0 -9999)
//            (434，1985 07 31 09   111    61 -9999    60     5 -9999     0 -9999)
//            (497，1985 07 31 10   106    67 -9999    80     0 -9999     0 -9999)
//            (560，1985 07 31 11   100    56 -9999    50     5 -9999     0 -9999)
            
//            (03103,[200,172,156,133,122,117,111,111,106,100])
            
//            根据自己业务需要 ， map 函数的功能仅限于提取气象站和气温信息
            
            
//            1998        #year
//            03            #month
//            09            #day
//            17            #hour
//            11            #temperature            感兴趣
//            -100        #dew
//            10237        #pressure
//            60            #wind_direction    
//            72            #wind_speed
//            0            #sky_condition    
//            0            #rain_1h 
//            -9999        #rain_6h
            
            
            if (temperature != -9999){//过滤无效数据    
                //第三步：提取气象站编号
                //获取输入分片
                FileSplit fileSplit = (FileSplit) context.getInputSplit();//提取问加你输入分片，并转换类型
//                    即由InputSplit   ->   FileSplit
                
//                context.getInputSplit()
//                (FileSplit) context.getInputSplit()这是强制转换
//                fileSplit的值是file:/D:/Code/MyEclipseJavaCode/myMapReduce/data/temperature/30yr_03870.dat:0+16357956
//                即，读的是30yr_03870.dat这个文件
                
                
                //然后通过文件名称提取气象站编号
                String weatherStationId = fileSplit.getPath().getName().substring(5, 10);//通过文件名称提取气象站id
                        //首先通过文件分片fileSplit来获取文件路径，然后再获取文件名字，然后截取第5位到第10位就可以得到气象站 编号
//                        fileSplit.getPath()
//                        fileSplit.getPath().getName()
                
//                30yr_03870.dat   我们只需获取03870就是气象站编号

//                        fileSplit.getPath().getName().substring(5, 10)   //从0开始，即第5个开始截取，到第10个为止，第10个没有拿到，所以为03870
//                weatherStationId是03870
                
                
                
                context.write(new Text(weatherStationId), new IntWritable(temperature));//写入weatherStationId是k2,temperature是v2
//                context.write(weatherStationId,temperature);等价    ，但是若是直接这样写会出错，因为，    weatherStationId是String类型，注意与Text类型还是有区别的！        
                        //气象站编号，气温值
            }
        }
    }


    
    public static class TemperatureReducer extends Reducer< Text, IntWritable, Text, IntWritable>{
        private IntWritable result = new IntWritable();//存取结果
                //因为气温是IntWritable类型                       
        public void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException{ 
//            Iterable<IntWritable> values是iterable（迭代器）变量
            
            
//            Iterable<IntWritable> values和IntWritable values这样有什么区别？
//            前者是iterable（迭代器）变量，后者是intwriteable（int的封装）变量
            
            
//            Iterable<IntWritable> values
//            迭代器，valuses是 iterable（迭代器）变量，类型是IntWritable
            
            
                        //reduce输出的key,key的集合，context的实例
            //第一步：统计相同气象站的所有气温
            int sum = 0;
            int count = 0;
            for (IntWritable val : values) //星型for循环来循环同一个气象站的所有气温值，即将values的值一一传给IntWritable val 
//                IntWritable val是IntWritable（int的封装）变量
                
            {//对所有气温值累加
            sum += val.get();//去val里拿一个值，就sum下

//            val.get()去拿值
            
                count++;
            }
            result.set(sum / count);//设为v3
//            result.set(sum / count)去设置，将sum / count的值，设给result
//            sum是21299119   count是258616  =  82.3580869  
            
            
            context.write(key,result);//写入key是k3,result是v3
        }
    }

    
    
    public int run(String[] args) throws Exception{
        // TODO Auto-generated method stub
        //第一步：读取配置文件
        Configuration conf = new Configuration();//程序里，只需写这么一句话，就会加载到hadoop的配置文件了
        //Configuration类代表作业的配置，该类会加载mapred-site.xml、hdfs-site.xml、core-site.xml等配置文件。
        
//                new Configuration()

        //第二步:输出路径存在就先删除
        Path mypath = new Path(args[1]);//定义输出路径的Path对象，mypath
        
        
//        new Path(args[1])将args[1]的值，给mypath
        
        FileSystem hdfs = mypath.getFileSystem(conf);//程序里，只需写这么一句话，就可以获取到文件系统了。
        //FileSystem里面包括很多系统，不局限于hdfs，是因为，程序读到conf，哦，原来是hadoop集群啊。这时，才认知到是hdfs
        
        if (hdfs.isDirectory(mypath))//如果输出路径存在
        {
            hdfs.delete(mypath, true);//则就删除
        }
        //第三步：构建job对象
        Job job = new Job(conf, "temperature");//新建一个任务,job名字是tempreature
        
//        new Job(conf, "temperature")有这么个构造方法
        
        job.setJarByClass(Temperature.class);// 设置主类
        //通过job对象来设置主类Temperature.class
        
        //第四步：指定数据的输入路径和输出路径
        FileInputFormat.addInputPath(job, new Path(args[0]));// 输入路径,args[0]
        FileOutputFormat.setOutputPath(job, new Path(args[1]));// 输出路径,args[1]
        
        //第五步：指定Mapper和Reducer
        job.setMapperClass(TemperatureMapper.class);// Mapper
        job.setReducerClass(TemperatureReducer.class);// Reducer
        
        //第六步：设置map函数和reducer函数的输出类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);    
        
        //第七步：提交作业
        return job.waitForCompletion(true)?0:1;//提交任务
    }


    /**
     * @function main 方法
     * @param args
     * @throws Exception
     */
    public static void main(String[] args) throws Exception {
        //第一步
//        String[] args0 = 
//            {
//            "hdfs://djt002:9000/inputData/temperature/",
//                    "hdfs://djt002:9000/outData/temperature/"
//            };
        
        String[] args0 = {"./data/temperature/","./out/temperature/"};
        
//        args0是输入路径和输出路径的属组
        
        //第二步
        int ec = ToolRunner.run(new Configuration(), new Temperature(), args0);
        
//        ToolRunner.run(new Configuration(), new Temperature(), args0)有这么一个构造方法
        
        //第一个参数是读取配置文件，第二个参数是主类Temperature，第三个参数是输入路径和输出路径的属组
        System.exit(ec);
    }

}
    

 TemperatureMapperTest.java

package zhouls.bigdata.myMapReduce.TemperatureTest;

import java.io.IOException;


import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mrunit.mapreduce.MapDriver;
import org.junit.Before;
import org.junit.Test;

/**
 * Mapper 端的单元测试，这里用MRUnit框架，需要使用mrunit-hadoop.jar
 */
@SuppressWarnings("all")//告诉编译器忽略指定的警告，不用在编译完成后出现警告信息
public class TemperatureMapperTest{
    private Mapper mapper;//定义一个Mapper对象，是mapper
    private MapDriver driver;//定义一个MapDriver对象，是driver，因为是要MapDriver去做！
    
    @Before//@Before是在所拦截单元测试方法执行之前执行一段逻辑，读艾特Before
    public void init(){//初始化方法init
        mapper = new Temperature.TemperatureMapper();//实例化一个Temperature中的TemperatureMapper对象
        driver = new MapDriver(mapper);//实例化MapDriver对象
    }
    
    
    @Test//@Test是测试方法提示符，一般与@Before组合使用
    public void test() throws IOException{
    //因为测试的是Map
        //输入一行测试数据
        String line = "1985 07 31 02   200    94 10137   220    26     1     0 -9999";
        driver.withInput(new LongWritable(), new Text(line))//withInput方法是第一行输入       跟TemperatureMapper输入类型一致
              .withOutput(new Text("03103"), new IntWritable(200))//withOutput方法是输出    跟TemperatureMapper输出类型一致
              .runTest();//runTest方法是调用运行方法
    }
}

 TemperatureReduceTest.java代码

package zhouls.bigdata.myMapReduce.TemperatureTest;

import java.io.IOException;

import java.util.ArrayList;
import java.util.List;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mrunit.mapreduce.ReduceDriver;
import org.junit.Before;
import org.junit.Test;

/**
 * Reducer 单元测试，这里用MRUnit框架，需要使用mrunit-hadoop.jar
 */
@SuppressWarnings("all")//告诉编译器忽略指定的警告，不用在编译完成后出现警告信息
public class TemperatureReduceTest{
    private Reducer reducer;//定义一个Reducer对象，是   reducer
    private ReduceDriver driver;//定义一个ReduceDriver对象，是driver，因为是要ReduceDriver去做！
    
    @Before//@Before是在所拦截单元测试方法执行之前执行一段逻辑，读艾特Before
    public void init(){//初始化方法init
        reducer = new Temperature.TemperatureReducer();//实例化一个Temperature中的TemperatureReducer对象
        driver = new ReduceDriver(reducer);//实例化ReduceDriver对象
    }
    
    @Test//@Test是测试方法提示符，一般与@Before搭配使用
    public void test() throws IOException{//为了模拟在reduer端单元测试，所以需如下 
        String key = "03103";//声明一个key值
        List values = new ArrayList();
        values.add(new IntWritable(200));//添加第一个value值
        values.add(new IntWritable(100));//添加第二个value值
        driver.withInput(new Text(key), values)//withInput方法是第一行输入        跟TemperatureReducer输入类型一致
              .withOutput(new Text(key), new IntWritable(150))//withOutput方法是输出        跟TemperatureReducer输出类型一致
              .runTest();//runTest方法是调用运行方法
    }
}

TemperatureTest.java代码

package zhouls.bigdata.myMapReduce.TemperatureTest;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mrunit.mapreduce.MapReduceDriver;
import org.junit.Before;
import org.junit.Test;

/**
 * Mapper 和 Reducer 集成起来测试，这里用MRUnit框架
 */
@SuppressWarnings("all")
public class TemperatureTest {
    private Mapper mapper;//定义一个Mapper对象
    private Reducer reducer;//定义一个Reducer对象    
    private MapReduceDriver driver;//定义一个MapReduceDriver对象是driver，因为是对map和reducer联合起来测试，所以需要MapReduceDriver去做！
    
    @Before//@Before是在所拦截单元测试方法执行之前执行一段逻辑，读艾特Before
    public void init(){ //初始化方法init
        mapper = new Temperature.TemperatureMapper();//实例化一个Temperature中的TemperatureMapper对象
        reducer = new Temperature.TemperatureReducer();//实例化一个Temperature中的TemperatureReducer对象
        driver = new MapReduceDriver(mapper, reducer);//实例化MapReduceDriver对象
    }
    
    @Test//@Test是测试方法提示符 
    public void test() throws RuntimeException, IOException{
        //输入两行行测试数据
        String line = "1985 07 31 02   200    94 10137   220    26     1     0 -9999";
        String line2 = "1985 07 31 11   100    56 -9999    50     5 -9999     0 -9999";
        driver.withInput(new LongWritable(), new Text(line))//withInput方法是第一行输入     跟TemperatureMapper输入类型一致
              .withInput(new LongWritable(), new Text(line2))//第二行输入
              .withOutput(new Text("03103"), new IntWritable(150))//withOutput方法是输出    跟TemperatureReducer输出类型一致
              .runTest();//runTest方法是调用运行方法
    }
}