假设有一批海量的数据,每个数据都是由26个字母组成的字符串,原始的数据集合是完全无序的,怎样通过MapReduce完成排序工作,使其有序(字典序)呢?
对原始的数据进行分割(Split),得到N个不同的数据分块:
实例分析:WordCount
这个类实现Mapper接口中的map 方法,输入参数中的value 是文本文件中的一行,利用StringTokenizer将这个字符串拆成单词,然后将输出结果<单词,1> 写入到org.apache.hadoop.mapred.OutputCollector中。
实现Reduce 类
这个类实现Reducer 接口中的reduce 方法, 输入参数中的key, values 是由Map 任务输出的中间结果,
values 是一个Iterator, 遍历这个Iterator, 就可以得到属于同一个key 的所有value。
此处,key是一个单词,value 是词频。只需要将所有的value 相加,就可以得到这个单词的总的出现次数。
运行Job
在Hadoop中一次计算任务称之为一个job, 可以通过一个JobConf对象设置如何运行这个job。
然后将JobConf对象作为参数,调用JobClient的runJob, 开始执行这个计算任务。
实验结果
来源: http://www.bubuko.com/infodetail-2284847.html