词频统计程序

使用Hadoop MapReduce处理文本文件,Mapper负责将文本分割为单词,然后Reducer对每个单词进行计数,最后将结果写入输出文件。

java 复制代码
// 定义WordCount公共类
public class WordCount {

    // 主入口方法,处理命令行参数
    public static void main(String[] args) throws Exception {
        // 创建Hadoop配置对象
        Configuration conf = new Configuration();
        
        // 创建Job实例,设置作业名称
        Job job = Job.getInstance(conf, "word count");
        
        // 设置作业的JAR包,这里使用WordCount类所在的包
        job.setJarByClass(WordCount.class);
        
        // 设置Mapper类
        job.setMapperClass(TokenizerMapper.class);
        
        // 设置Combiner和Reducer类,这里使用同一个类,因为Reduce操作不需要排序
        job.setCombinerClass(IntSumReducer.class);
        job.setReduceClass(IntSumReducer.class);

        // 设置输出键和值的类型
        job.setOutputKeyClass(Text.class); // 输出键:单词类型,Text
        job.setOutputValueClass(IntWritable.class); // 输出值:单词计数,IntWritable

        // 将输入文件添加到作业
        FileInputFormat.addInputPath(job, new Path(args[0])); // 第一个参数是输入文件路径

        // 设置输出文件路径
        FileOutputFormat.setOutputPath(job, new Path(args[1])); // 第二个参数是输出文件路径

        // 等待作业完成,返回0表示成功,1表示失败
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }

    // Reducer类,统计单词的出现次数
    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        // 初始化结果值为0
        private IntWritable result = new IntWritable();

        // 在reduce函数中,处理键值对,累加值
        public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get(); // 获取值并累加
            }
            result.set(sum); // 设置结果值
            context.write(key, result); // 将键值对写入输出
        }
    }

    // Mapper类,进行单词分词
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        // 声明全局变量,用于存储单个单词
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        // map函数,将文本分割成单词,每个单词与1一起写入输出
        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()); // 获取下一个单词
                context.write(word, one); // 将单词和1写入输出
            }
        }
    }
}
相关推荐
昨天今天明天好多天32 分钟前
【数据仓库】
大数据
油头少年_w1 小时前
大数据导论及分布式存储HadoopHDFS入门
大数据·hadoop·hdfs
Elastic 中国社区官方博客2 小时前
释放专利力量:Patently 如何利用向量搜索和 NLP 简化协作
大数据·数据库·人工智能·elasticsearch·搜索引擎·自然语言处理
力姆泰克2 小时前
看电动缸是如何提高农机的自动化水平
大数据·运维·服务器·数据库·人工智能·自动化·1024程序员节
力姆泰克2 小时前
力姆泰克电动缸助力农业机械装备,提高农机的自动化水平
大数据·服务器·数据库·人工智能·1024程序员节
QYR市场调研2 小时前
自动化研磨领域的革新者:半自动与自动自磨机的技术突破
大数据·人工智能
工业互联网专业3 小时前
Python毕业设计选题:基于Hadoop的租房数据分析系统的设计与实现
vue.js·hadoop·python·flask·毕业设计·源码·课程设计
半部论语3 小时前
第三章:TDengine 常用操作和高级功能
大数据·时序数据库·tdengine
EasyGBS4 小时前
国标GB28181公网直播EasyGBS国标GB28181软件管理解决方案
大数据·网络·音视频·媒体·视频监控·gb28181
2403_875736874 小时前
道品科技的水肥一体化智能灌溉:开启现代农业的创新征程
大数据·人工智能·1024程序员节