Question

我遇到问题，要确定每个文件的单词出现次数的细分。例如，我有四个文本文件（t1，t2，t3，t4）。单词w1在文件t2中是两次，在t4中是一次，总发生次数为3。我想在输出文件中写入相同的信息。我在每个文件中获得了总字数，但无法得到我想要的结果。

这是我的地图类。

import java.io.IOException;
import java.util.*;

import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.*;
//line added
import org.apache.hadoop.mapreduce.lib.input.*;

public class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
private String pattern= "^[a-z][a-z0-9]*$";

public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
    String line = value.toString();
    StringTokenizer tokenizer = new StringTokenizer(line);
    //line added
    InputSplit inputSplit = context.getInputSplit();
    String fileName = ((FileSplit) inputSplit).getPath().getName();

    while (tokenizer.hasMoreTokens()) {
        word.set(tokenizer.nextToken());
        String stringWord = word.toString().toLowerCase();
        if ((stringWord).matches(pattern)){
            //context.write(new Text(stringWord), one);
            context.write(new Text(stringWord), one);
            context.write(new Text(fileName), one);
            //System.out.println(fileName);
            }
        }
    }
}

Answer 1

您可以将word key和filename写为value来实现。现在在reducer中为每个文件初始化单独的计数器并更新它们。一旦为特定键迭代了所有值，就将每个文件的计数器写入上下文。

在这里你知道你只有四个文件，所以你可以硬编码四个变量。请记住，您需要为在reducer中处理的每个新键重置变量。

如果文件数量更多，则可以使用Map。在地图中，filename将为key并继续更新value。

Answer 2

在mapper的输出中，我们可以将文本文件名设置为键，将文件中的每一行设置为值。此缩减器为您提供该单词的文件名及其相应的计数。

public class Reduce extends Reducer<Text, Text, Text, Text> {
    HashMap<String, Integer>input = new HashMap<String, Integer>();

    public void reduce(Text key, Iterable<Text> values , Context context)
    throws IOException, InterruptedException {
        int sum = 0;
        for(Text val: values){
            String word = val.toString(); -- processing each row
            String[] wordarray = word.split(' '); -- assuming the delimiter is a space
            for(int i=0 ; i<wordarray.length; i++)
           {
            if(input.get(wordarray[i]) == null){
            input.put(wordarray[i],1);}
            else{
             int value =input.get(wordarray[i]) +1 ; 
             input.put(wordarray[i],value);
             }
           }     

       context.write(new Text(key), new Text(input.toString()));
    }

每个文件计数的WordCount示例

2 个答案: