Hive的存储和MapReduce处理——数据清洗

日期：2019.11.13

博客期：115

星期三

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）

3、数据可视化：将统计结果倒入MySql数据库中，通过图形化展示的方式展现出来。

　　制作：

　　　A、基础数据Bean类

 1 package com.hive.basic;
 2 
 3 import com.hive.format.IPUtil;
 4 import com.hive.format.TimeUtil;
 5 
 6 public class Bean {
 7     protected String ip;
 8     protected String time;
 9     protected String day;
10     protected int traffic;
11     protected String type;
12     protected String id;
13     public String getIp() {
14         return ip;
15     }
16     public void setIp(String ip) {
17         this.ip = ip;
18     }
19     public String getTime() {
20         return time;
21     }
22     public String getDay() {
23         return day;
24     }
25     public void setDay(String day) {
26         this.day = day;
27     }
28     public void setTime(String time) {
29         this.time = time;
30     }
31     public int getTraffic() {
32         return traffic;
33     }
34     public void setTraffic(int traffic) {
35         this.traffic = traffic;
36     }
37     public String getType() {
38         return type;
39     }
40     public void setType(String type) {
41         this.type = type;
42     }
43     public String getId() {
44         return id;
45     }
46     public void setId(String id) {
47         this.id = id;
48     }
49     public Bean(String ip, String time, String day , int traffic, String type, String id) {
50         super();
51         this.ip = ip;
52         this.time = time;
53         this.day = day;
54         this.traffic = traffic;
55         this.type = type;
56         this.id = id;
57     }
58     public Bean() {
59         super();
60         // TODO 自动生成的构造函数存根
61     }
62     /*格式转换*/
63     public void format(){
64         this.ip = IPUtil.getCityInfo("106.39.41.166").split("\\|")[3].replace("市","");
65         this.time = TimeUtil.deal(this.time);
66     }
67     public void display(){
68         System.out.println(ip+","+time+","+day+","+traffic+","+type+","+id);
69     }
70 }

Bean.java

　　　B、日期格式转化类

 1 package com.hive.format;
 2 
 3 import java.text.ParseException;
 4 import java.text.SimpleDateFormat;
 5 import java.util.Date;
 6 import java.util.Locale;
 7 
 8 public class TimeUtil {
 9     public static String deal(String time){
10         
11         SimpleDateFormat sdf = new SimpleDateFormat("dd/MMM/yyyy:HH:mm:ss Z", Locale.ENGLISH);
12         Date dd = null;
13         try {
14             dd = sdf.parse(time);
15         } catch (ParseException e) {
16             // TODO 自动生成的 catch 块
17             e.printStackTrace();
18         } //将字符串改为date的格式
19         
20          String resDate = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(dd);
21         
22         return resDate;
23     }
24     public static void main(String[] args) throws ParseException {
25         
26         String dateString = "10/Nov/2016:00:01:02 +0800";
27         SimpleDateFormat sdf = new SimpleDateFormat("dd/MMM/yyyy:HH:mm:ss Z", Locale.ENGLISH);
28         Date dd = sdf.parse(dateString); //将字符串改为date的格式
29          String resDate= new SimpleDateFormat("yyyy-MM-dd HH:mm:ss").format(dd);
30         System.out.println(resDate);
31     }
32 }

TimeUtil.java

原文地址：https://www.cnblogs.com/onepersonwholive/p/11852910.html