mapreduce 统计PV案例

• 理解 网站基本指标 几个工具
• 编写mapreduce 模板PV程序
• 自定义计数器，对Mapreduce 进行DEBUG 调试

---

一 .网站基本指标

1.1 PV

  PV(page view)，即页面浏览量，或点击量;通常是衡量一个网络新闻频道或网站甚至一条网络新闻的主要指标。

  即：一个访问者在24小时(0点到24点)内到底看了你网站几个页面。强调:同一个人浏览你网站同一个页面，不重复计算pv量，点100次也算1次。pv就是一个访问者打开了你的几个页面。

1.2 UV

    uv(unique visitor)，指访问某个站点或点击某条新闻的不同IP地址的人数。

在同一天内，uv只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。独立IP访问者提供了一定时间内不同观众数量的统计指标，而没有反应出网站的全面活动。 

1.3 UIP

    Unique Visitor ：指访问某个站点或点击某条新闻的不同IP地址的人数。
　　在同一天内，uv只记录第一次进入网站的具有独立IP的访问者，在同一天内再次访问该网站则不计数。独立IP访问者提供了一定时间内不同观众数量的统计指标，而没有反应出网站的全面活动。

---

二. 编写mapreduce 模板PV程序

2.1 java 代码

package org.apache.hadoop.studyhdfs.mapredce;

import java.io.IOException;

import org.apache.commons.lang.StringUtils;
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.util.Tool;
import org.apache.hadoop.util.ToolRunner;

/**
 * 
 * @author zhangyy
 *
 */
public class WebPvMapReduce extends Configured implements Tool{

    // step 1: mapper class
    /**
     * public class Mapper
     */
    public static class WebPvMapper extends //
        Mapper{
        // map output value
        private final static IntWritable mapOutputValue = new IntWritable(1) ;
        // map output key
        private IntWritable mapOutputKey = new IntWritable();

        @Override
        public void map(LongWritable key, Text value, Context context)
                throws IOException, InterruptedException {
            // line value
            String lineValue = value.toString();

            // split
            String[] values = lineValue.split("\\t") ;

            if(30 > values.length){
                context.getCounter("WEBPVMAPPER_COUNTERS", "LENGTH_LT30_COUNTER")//
                    .increment(1L) ;
                return ;
            }

            // province id 
            String provinceIdValue = values[23] ;
            // url
            String url = values[1] ;

            // validate provinceIdValue
            if(StringUtils.isBlank(provinceIdValue)){
                context.getCounter("WEBPVMAPPER_COUNTERS", "PROVINCEID_BLANK_COUNTER")//
                .increment(1L) ;
                return ;
            }
            // validate url
            if(StringUtils.isBlank(url)){
                context.getCounter("WEBPVMAPPER_COUNTERS", "URL_BLANK_COUNTER")//
                .increment(1L) ;
                return ;
            }

            int provinceId = Integer.MAX_VALUE;

            try{
                provinceId = Integer.valueOf(provinceIdValue) ;
            }catch(Exception e){
                context.getCounter("WEBPVMAPPER_COUNTERS", "PROVINCEID_NOTTONUMBER_COUNTER")//
                .increment(1L) ;
                return ;
            }

            if(Integer.MAX_VALUE == provinceId){
                context.getCounter("WEBPVMAPPER_COUNTERS", "PROVINCEID_VALIDATE_COUNTER")//
                .increment(1L) ;
                return ;
            }
            // set
            mapOutputKey.set(provinceId);
            // output
            context.write(mapOutputKey, mapOutputValue);
        }
    }

    // step 2: reducer class
    /**
     * public class Reducer
     */
    public static class WebPvReducer extends //
        Reducer{

        private IntWritable outputValue = new IntWritable();

        @Override
        public void reduce(IntWritable key, Iterable values,
                Context context)
                throws IOException, InterruptedException {
            // temp : sum 
            int sum = 0 ;

            // iterator
            for(IntWritable value : values){
                // total
                sum += value.get() ;
            }
            // set
            outputValue.set(sum);

            // output
            context.write(key, outputValue);
        }
    }

    // step 3: driver
    public int run(String[] args) throws Exception {
        // 1: get configuration
        Configuration configuration = super.getConf() ;

        // 2: create job
        Job job = Job.getInstance(//
            configuration, //
            this.getClass().getSimpleName()//
        );
        job.setJarByClass(this.getClass());

        // 3: set job
        // input  -> map  -> reduce -> output
        // 3.1: input
        Path inPath = new Path(args[0]) ;
        FileInputFormat.addInputPath(job, inPath);

        // 3.2: mapper
        job.setMapperClass(WebPvMapper.class);
        job.setMapOutputKeyClass(IntWritable.class);
        job.setMapOutputValueClass(IntWritable.class);

// ===========================Shuffle======================================     
        // 1) partitioner
//              job.setPartitionerClass(cls);
        // 2) sort
//              job.setSortComparatorClass(cls);
        // 3) combine
            job.setCombinerClass(WebPvReducer.class);
        // 4) compress
            // set by configuration
        // 5) group
//              job.setGroupingComparatorClass(cls);
// ===========================Shuffle======================================     

        // 3.3: reducer
        job.setReducerClass(WebPvReducer.class);
        job.setOutputKeyClass(IntWritable.class);
        job.setOutputValueClass(IntWritable.class);
        // set reducer number
//      job.setNumReduceTasks(3);

        // 3.4: output
        Path outPath = new Path(args[1]);
        FileOutputFormat.setOutputPath(job, outPath);

        // 4: submit job 
        boolean isSuccess = job.waitForCompletion(true);

        return isSuccess ? 0 : 1 ;
    }

    public static void main(String[] args) throws Exception {

        // create configuration
        Configuration configuration = new Configuration();

        // run job
        int status = ToolRunner.run(//
            configuration, //
            new WebPvMapReduce(), //
            args
        ) ;

        // exit program
        System.exit(status);
    }
}

导出成webpv.jar 包运行输出结果