Hadoop计数器的应用以及数据清洗

数据清洗（ETL）

在运行核心业务MapReduce程序之前，往往要先对数据进行清洗，清理掉不符合用户要求的数据。清理的过程往往只需要运行Mapper程序，不需要运行Reduce程序。

1．需求

去除日志中字段长度小于等于11的日志。

（1）输入数据

web.log

（2）期望输出数据

每行字段长度都大于11

2．需求分析

需要在Map阶段对输入的数据根据规则进行过滤清洗。

3．实现代码

（1）编写LogMapper类

package com.atguigu.mapreduce.weblog;import java.io.IOException;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Mapper;public class LogMapper extends Mapper{  Text k = new Text();  @Override  protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {   // 1 获取1行数据   String line = value.toString();   // 2 解析日志   boolean result = parseLog(line,context);   // 3 日志不合法退出   if (!result) {     return;   }   // 4 设置key   k.set(line);   // 5 写出数据   context.write(k, NullWritable.get());  }  // 2 解析日志  private boolean parseLog(String line, Context context) {   // 1 截取   String[] fields = line.split(" ");   // 2 日志长度大于11的为合法    if (fields.length > 11) {     // 系统计数器     context.getCounter("map", "true").increment(1);     return true;   }else {     context.getCounter("map", "false").increment(1);     return false;   }  }}