一个单词统计的实例，怎样通过MapReduce完成排序？

Posted 2020-10-04

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

本文出自 “中科院计算所培训” 博客，谢绝转载！