MapReduce实践 Uber数据分析

栏目: 编程工具 · 发布时间: 6年前

内容简介:这篇博客是关于如何在Hadoop MapReduce中进行Uber数据分析的。该数据有4列:

这篇博客是关于如何在Hadoop MapReduce中进行Uber数据分析的。

数据

数据下载

数据展示

MapReduce实践 Uber数据分析

数据说明

该数据有4列:

  1. dispatching_base_number
  2. date
  3. active_vehicles
  4. trips

问题描述

计算每个Basement每个周几总共有多少trips

MapReduce实现

Mapper

在Mapper中 使用 java.time.LocalDate 来获取每个年月日具体是星期几,并将 Basement_number+dayofweek 作为keys, tripNum 作为value。

public static class ExtractTripMapper extends Mapper<Object, Text, Text, IntWritable>
{
    private IntWritable tripNum; // trip 值
    String specifyDate = "MM/DD/YYYY";
    DateTimeFormatter formatter = DateTimeFormatter.ofPattern("M/d/y");  // date转化格式
    LocalDate date;
    String dayOfWeek;

    public void map(Object key, Text value, Context context) throws IOException, InterruptedException
    {
        String[] splitArray = value.toString().split(","); // 对字符串进行切分
        specifyDate = splitArray[1];
        // 使用try来处理不和谐的数据
        try{
            date = LocalDate.parse(specifyDate,formatter);
            dayOfWeek = date.getDayOfWeek().toString();
            tripNum =  new IntWritable(new Integer(splitArray[3]));
        }
        catch (DateTimeParseException e){
            e.printStackTrace();
            return;
        }

        context.write(new Text(splitArray[0] + "+" + dayOfWeek), tripNum);
    }
}

Combiner&Reducer

之后就与WordCont相同,进行简单的统计和合并。

public static class SumReducer extends Reducer<Text, IntWritable, Text, IntWritable>
{
    public void reduce(Text key, Iterable<IntWritable> values, Context context)
            throws IOException, InterruptedException
    {
        int sum = 0;
        for (IntWritable val : values)
        {
            sum += val.get();
        }
        context.write(key, new IntWritable(sum));
    }
}

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

图解深度学习

图解深度学习

[日] 山下隆义 / 张弥 / 人民邮电出版社 / 2018-5 / 59.00元

本书从深度学习的发展历程讲起,以丰富的图例从理论和实践两个层面介绍了深度学习的各种方法,以及深度学习在图像识别等领域的应用案例。内容涉及神经网络、卷积神经网络、受限玻尔兹曼机、自编码器、泛化能力的提高等。此外,还介绍了包括Theano、Pylearn2、Caffe、DIGITS、Chainer 和TensorFlow 在内的深度学习工具的安装和使用方法。 本书图例丰富,清晰直观,适合所有对深......一起来看看 《图解深度学习》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

XML、JSON 在线转换
XML、JSON 在线转换

在线XML、JSON转换工具