004簡單介紹WordCount,統計文本單詞次數

来源:https://www.cnblogs.com/sirlijun/archive/2018/09/04/9588965.html
-Advertisement-
Play Games

MapReduce簡介 MapReduce的原理圖 2.MR原理圖 根據代碼簡單瞭解MR。 代碼簡單解析: 根據執行流程圖我們不難發現,首先我們從Mapper下手,然後著手Reducer,而Reducer的key(in),value(in),肯定是Mapper的key(out),value(out) ...


MapReduce簡介

  1. MapReduce是一種分散式計算模型,主要解決海量數據的計算問題。
  2. MR有兩個階段組成:Map和Reduce,用戶只需實現map()和reduce()兩個函數,即可實現分散式計算。

MapReduce的原理圖

  1. MR執行的流程

             2.MR原理圖

    

 

  • 根據代碼簡單瞭解MR。
package com.lj.MR;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;

public class WCMapper extends Mapper<LongWritable, Text, Text, IntWritable>  {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //super.map(key, value, context);
        String[] arr = value.toString().split(" ");
        Text keyOut = new Text();
        IntWritable valueOut = new IntWritable();
        for(String s :arr){
            keyOut.set(s);
            valueOut.set(1);
            try {
                context.write(keyOut,valueOut);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    }
}

  

package com.lj.MR;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.io.Text;

import java.io.IOException;

public class WCReducce extends Reducer<Text, IntWritable, Text, IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        //super.reduce(key, values, context);
        int count = 0;
        for(IntWritable iw:values){
             count = count + iw.get();
        }
        context.write(key,new IntWritable(count));
    }
}
package com.lj.MR;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.log4j.BasicConfigurator;


public class WCApp {
    public static void main(String[] args) {
        BasicConfigurator.configure();

        Configuration conf = new Configuration();
//此處為本地測試
// conf.set("fs.defaultFS","file:///D://ItTools"); try { //單例模式 Job job = Job.getInstance(conf); //任務作業名字 job.setJobName("WCApp"); //搜索類 job.setJarByClass(WCApp.class); //設置輸入格式 job.setInputFormatClass(TextInputFormat.class); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); job.setMapperClass(WCMapper.class); job.setReducerClass(WCReducce.class); job.setNumReduceTasks(1); job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); job.waitForCompletion(false); } catch (Exception e) { e.printStackTrace(); } } }
  • 代碼簡單解析:

根據執行流程圖我們不難發現,首先我們從Mapper下手,然後著手Reducer,而Reducer的key(in),value(in),肯定是Mapper的key(out),value(out),否則我們不難發現,一定會類型不匹配,直接報錯。

MAP:就是將原本文字轉換成(k,v),其中k就是word,v就是單詞的出現的次數

Shuffle:將相同的k排列一起

Reduce:將相同的k的v相加


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 使用靜態類型的編程語言實在編譯時執行類型檢查,而不是在運行時執行類型檢查。C++屬於靜態類型語言。 面向對象四大特性:封裝、繼承、抽象、多態。 標準C++三個重要部分組成:核心語言、C++標準庫、標準模板庫(STL)。 ANSI標準,確保C++的便攜性,我理解為跨平臺性。 C++主要用於與硬體設備相 ...
  • #如何修改文件,我們知道文件因為在磁碟上已經有儲存了,後面要更新或修改,只能在在原來文件後面追加使用f=open("wenjian_name","r+",encoding="utf-8“)這裡的“r+"指的是讀 寫,也可以替換成”a+“append+但是無法對原文件中間及之前的內容進行改變那麼怎麼修 ...
  • Django 中間件 [TOC] Django中間件可看作是包裹在django處理機制的外層,Httprequest和Httpresponse都要經中間件處理,從而起到全局鉤子的作用,可以達到一些目的:如過濾請求,預處理請求,響應修改等。 我理解,很多基於會話的應用系統,都可以設計中間件環節。如數據 ...
  • 1.創建頭結點 2.創建新結點 3.新結點next指向頭結點next 4.頭結點next指向新結點 ...
  • 官網下載Dom4j地址:https://dom4j.github.io/ 註意:使用Dom4j開發,需下載dom4j相應的jar文件 題目:後臺利用dom4j解析student.xml文件,並返回List<Student>集合 需要解析的XML: java解析xml代碼: 實體類: /** * @a ...
  • 時間:2018年9月4日 22:54:49 #請各位讀者註意時效性 以下Python學習筆記基於Python3 懶得改格式了,將就一下 Python學習筆記1.Python源於1989年聖誕期間,作者:Guido van Rossum2.任何語言都有缺點,Python也不例外。如:運行速度慢、代碼不 ...
  • 攜程今年的機試題為20道選擇+3編程 由於今天最後提交時第三題編程未通過,交卷之後想出來的解法這裡記錄一下。 ...
  • c++ forward關鍵字 forward的由來:模板函數中的推導類型,作為函數的參數時,即使用T&& arg來聲明,推導出來具體的類型後,也不能把推導出來後的具體類型,轉化成右值引用。forward就是為瞭解決這個問題的。 下麵的例子就不能夠調用 解決辦法:加std::forward ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...