测试数据的下载地址为：http://pan.baidu.com/s/1gdgSn6r
一、文件分析
首先可以用文本编辑器打开一个HTTP_20130313143750.dat的二进制文件，这个文件的内容是我们的手机日志，文件的内容已经经过了优化，格式比较规整，便于学习研究，感兴趣的读者可以尝试一下。
我从中截取文件中的一行记录内容进行分析：
1363157985066 13726230503 00-FD-07-A4-72-B8:CMCC 120.196.100.82 i02.c.aliimg.com
2 4 27 2 481 24681 200
该日志文件的每个记录，一共有11个字段每个字段的含义如下图1.1所示。
图 1.1
二、思路分析
我们要统计这个文件中，同一手机号的流量汇总。而我们可以从图1.1中发现，记录中有四个字段以不同的形式表示手机的流量，这时你会想到什么 呢？-----那就是面向对象的概念，我们可以自定义一个类来代表一个自定义类型去包含这几个值，用类中的属性，来表示这几个字段，来方面我们对数据的操 作。
现在我们按照MapReduce的分布式计算模型，分析一下如何实现我们的任务。首先我们有未经过处理的原始文件(相当 于<k1,v1>)，这个文件里存储着我需要的数据就是,那就是一个手机的流量的汇总数据（相当于<k3,v3>）,而要从原始 数据获得我们最终想要的数据，这中间需要经过一个过程，对原始数据进行初步加工处理，形成中间结果(相当于<k2,V2>), 而<K2,V2>这时候代表什么呢？不难看出，将所有的原始数据经过map()函数的分组排序处理后，得到一个中间结果，这个中间结果是一个 键值对<K2,V2>,而这里的K2应该就是电话号码，V2就是我们的自定义类型表示手机流量，最后将中间数据经过reduce()函数的归 一化处理，得到我们的最终结果。
三、编程实现
1. 代码如下
View Code2 .运行结果如下
图 3.1
原文链接：http://www.cnblogs.com/sunddenly/p/3995662.html
