我正在阅读书中的MapReduce类型和格式＆＃34; HADOOP The Definitive Guide＆＃34;。 MapReduce类型的一般形式如下：
map：（K1，V1） - ＆gt;列表（K2，V2）
reduce：（K2，list（V2）） - ＆gt;清单（K3，V3）
也
map：（K1，V1） - ＆gt;列表（K2，V2）
组合:( K2，列表（V2） - ＆gt;列表（K2，V2）
reduce：（K2，list（V2）） - ＆gt;清单（K3，V3）
如何以这种通用格式解决字数统计问题。假设我有一个文本文件：
AAA BBB CCC
DDD EEE AAA
GGG CCC BBB
现在在（K1，V1）中格式化文本文件
格式（K1，V1）
（0，AAA BBB CCC）
（10，DDD EEE AAA）
（21，GGG CCC BBB）
我该怎么办？如果有任何错误，请纠正我。 谢谢！
答案 0 :(得分：1)
让我们逐步完成对您数据的一系列转换。 我们从原始数据开始：
AAA BBB CCC
DDD EEE AAA
GGG CCC BBB
假设我们使用TextInputFormat作为InputFormat。 然后，映射器的输入将是键，值对看起来像这样：
0 AAA BBB CCC
13 DDD EEE AAA
26 GGG CCC BBB
这里，文件被分成几行。关键是文件中的位置，值是行本身，作为字符串。
映射器需要采用这些行（忽略它们的位置）并将它们转换为键值对的列表。作为示例，让我们将第一行AAA BBB CCC转换为键值对的列表：
AAA 1
BBB 1
CCC 1
我们通过使用空格字符作为分隔符拆分字符串来完成此操作。这里，每个键都是一个单词，值是该单词的计数。请注意，这只是进行映射的一种方法，还有其他同样有效的方法。
在映射所有三行之后，我们得到以下键值对的列表：
AAA 1
BBB 1
CCC 1
DDD 1
EEE 1
AAA 1
GGG 1
CCC 1
BBB 1
上面的键，值对按键排序，我们得到：
AAA 1
AAA 1
BBB 1
BBB 1
CCC 1
CCC 1
DDD 1
EEE 1
GGG 1
然后将具有相同密钥的所有值分组到一个列表中（由于它们按密钥排序，因此可以有效地完成）：
AAA [1, 1]
BBB [1, 1]
CCC [1, 1]
DDD 1
EEE 1
GGG 1
在这种情况下，组合器和减速器做同样的事情，所以我们假设最初没有组合器。
我们还假设只有一个reducer节点。 （在多个reducer设置中，我们保证相同键的所有值都将转到同一个reducer。）
我们的reducer总结了每个键列表中的元素，产生了：
AAA 2
BBB 2
CCC 2
DDD 1
EEE 1
GGG 1
这是所需的字数。