MapReduce实现TopK算法(实战)
程序员文章站
2024-02-14 11:51:40
...
习读书之业,便当知读书之乐
存为善之心,不必邀为善之名
项目介绍
- 给定数据集data.csv,内含三列,格式如下
编号 | 时间 | 风速 |
---|---|---|
WT2300 | 2015/9/1 0:00 | 3.34 |
WT2300 | 2015/9/1 0:10 | 3.12 |
… | … | … |
WT2301 | 2015/6/18 6:00 | 0.73 |
… | … | … |
WT2302 | 2015/11/30 23:50 | 3.32 |
- 求不同编号的风机每个月风速排名前十
- 需要得到的结果如下
风机编号-月份 | 排名前十的风速 |
---|---|
WT0230020151 | 17.41,16.81,16.55,16.4,15.63,15.59,15.53,15.44,15.29,15.12 |
WT0230020152 | 17.42,16.82,16.79,16.5,16.48,16.35,16.1,16.07,16.05,15.99 |
… | … |
WT02302201512 | 16.54,16.4,16.06,15.96,15.56,15.48,15.47,15.46,15.13,15.11 |
数据集下载
data.csv 提取码76h4
程序下载
- FanData.java 提取码yz96
- TopK.java 提取码nkjr
代码讲解
-
FanData.java
该类在Map阶段从按行读入的数据解析出FanData对象
package cn.neu.blog.topk;
public class FanData {
private String fanNo;
private String time;
private String windSpeed;
public void getInstance(String row) {
String[] cols = row.split(",");
this.fanNo = cols[0];
this.time = cols[1];
this.windSpeed = cols[2];
}
public String getFanNo() {
return fanNo;
}
public void setFanNo(String fanNo) {
this.fanNo = fanNo;
}
public String getTime() {
return time;
}
public void setTime(String time) {
this.time = time;
}
public String getWindSpeed() {
return windSpeed;
}
public void setWindSpeed(String windSpeed) {
this.windSpeed = windSpeed;
}
@Override
public String toString() {
return "fanNo=" + this.fanNo + ",time=" + this.time + ",windSpeed=" + this.windSpeed;
}
}
-
TopK.java
-
Map阶段
Map阶段对从数据集中按行读入的数据进行解析,产生fanData对象,获得其风机编号、时间和风速,然后对时间进行分割,仅取年份和月份,将风机编号与分割后的时间进行连接,作为Map输出阶段的Key
注意:这里将每一行读入的数据都输出了进入Shuffle阶段,程序运行效率低,而有些数据在Map阶段就可以判断不可能是前K的数据,可以在此阶段尝试使用TreeMap,自己动动脑筋~
-
Map阶段
public static class TopKMapper extends Mapper<Object, Text, Text, DoubleWritable> {
private FanData fanData = new FanData();
private static final int K = 10;
protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
fanData.getInstance(value.toString());
String fanNo = fanData.getFanNo();
String time = fanData.getTime();
time = time.substring(0,7).replace("/", "");
String strKey = fanNo + time;
double windSpeed = Double.parseDouble(fanData.getWindSpeed());
context.write(new Text(strKey), new DoubleWritable(windSpeed));
}
}
-
Reduce阶段
该阶段需要实例化一个TreeMap对象,用于对风速进行排序
注意:该对象能对Double进行排序,但不能对DoubleWritable进行排序
将Key对应的Values依次添加到TreeMap中,控制TreeMap的大小始终不超过K,若超过则将TreeMap第一个元素(最小的)剔除
public static class TopKReducer extends Reducer<Text, DoubleWritable, Text, Text> {
private static final int K = 10;
TreeMap<Double, Double> tm = new TreeMap<Double, Double>();
StringBuffer sb = new StringBuffer();
protected void reduce(Text key, Iterable<DoubleWritable> values, Context context) throws IOException, InterruptedException {
tm = new TreeMap<Double, Double>();
sb = new StringBuffer();
for(DoubleWritable val:values){
tm.put(val.get(), val.get());
if(tm.size() > K){
tm.remove(tm.firstKey());
}
}
for(Double ws : tm.descendingKeySet()) sb.append(ws).append(",");
context.write(key, new Text(sb.toString().substring(0, sb.toString().lastIndexOf(","))));
}
}
-
主函数
使用IDE运行该程序时需要设置参数
otherArgs[0]为输入路径
otherArgs[1]为输出路径
public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
System.setProperty("HADOOP_USER_NAME", "root");
Configuration conf = new Configuration();
FileSystem fs = FileSystem.newInstance(conf);
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if(otherArgs.length != 2){
System.err.println("Usage: topk <in> <out>");
System.exit(2);
}
Path outPath = new Path(otherArgs[1]);
if(fs.exists(outPath)){
fs.delete(outPath, true);
}
Job job = Job.getInstance(conf, "topk");
job.setJarByClass(TopK.class);
job.setMapperClass(TopKMapper.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(DoubleWritable.class);
job.setReducerClass(TopKReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(Text.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
运行结果示例
有疑问的朋友可以在下方留言或者私信我,我尽快回答
欢迎各路大神萌新指点、交流!
求关注!求点赞!求收藏!
上一篇: SQLite外键(Foreign Key)支持 博客分类: android SQLiteSinatraUbuntuDebianSQL
下一篇: java代理、cglib、java proxy 博客分类: java java代理cglibjava proxy
推荐阅读
-
MapReduce实现TopK算法(实战)
-
java 使用二叉堆实现 TopK 算法
-
《机器学习实战》3.决策树算法分析与源码实现
-
限流实战:guava的RateLimiter实现令牌桶算法限流
-
python实现H2O中的随机森林算法介绍及其项目实战
-
python实现H2O中的随机森林算法介绍及其项目实战
-
经典实战案例:用机器学习 KNN 算法实现手写数字识别 | 原力计划
-
学习笔记【机器学习重点与实战】——10 聚类算法实现与实战
-
MapReduce实际案例,MapTask运行机制,ReduceTask运行机制,MapReduce执行流程,hadoop数据压缩,Join算法的实现
-
Python机器学习实战之k-近邻算法的实现