Question

Map Reduce程序，它将两个文件作为输入，并提供两个文件中的一组单词（两个文件的交集。）

我试过这个..

Map函数：将文件作为输入并将（word，1）作为输出。我将此输出放在一个文件中，命名为part-r-00000 ..这一步我为两个文件做了我现在有两个文件（两个部分-r-00000文件。）

如何将此文件作为输入提供Reduce功能..

并给我一些建议，为两个文件的交集编写reduce函数。

这是字数示例程序：

    package org.apache.hadoop.examples;

import java.io.IOException;
import java.util.StringTokenizer;

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.Mapper;
//import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCountMap {

  public static class TokenizerMapper 
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

 /* public static class IntSumReducer 
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values, 
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  } */

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length != 2) {
      System.err.println("Usage: wordcount <in> <out>");
      System.exit(2);
    }
    Job job = new Job(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
   // job.setCombinerClass(IntSumReducer.class);
   // job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

Reducer类在评论中，与reducer类相关的所有行都在评论中，但我仍然有一个文件 part-r-00000。。输出是

海1 这1 1 是1 是1 检查1 例1 例1 例1 公平1 档案1 加内什1 hadoop 1 如何1 hpw 1 是1 是1 是1 地图1 不是1 只有1个程序。 1 减少1 所以1 这1 这1 到1 你1 你1

Answer 1

您应该在驱动程序代码中提到job.setNumReduceTasks(0);。因此part-r-00000不会创建。

我已经测试过了。使用job.setNumReduceTasks(0);且没有Reducer逻辑，part-m-00000生成了job.setNumReduceTasks(0);生成，没有Reducer逻辑，然后生成part-r-00000。

将上面的行放在上面并尝试确认。

map reduce程序显示两个文件的交集

1 个答案: