Java用mapreduce 处理

MapReduce是一种分布式计算模型，可以用于处理大规模数据集。在Java中，可以使用Hadoop实现MapReduce计算模型。

MapReduce模型包括两个主要的操作：Map和Reduce。Map操作将输入数据分割成若干个小的数据块，然后对每个数据块进行处理，产生若干个键值对。Reduce操作将相同的键值对进行合并，产生最终的结果。

在Java中，实现MapReduce需要编写Mapper类和Reducer类。Mapper类将输入数据转换成键值对，并输出给Reducer类进行处理。Reducer类将相同的键值对进行合并，产生最终的结果。例如：

public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable> {

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

    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        StringTokenizer tokenizer = new StringTokenizer(line);
        while (tokenizer.hasMoreTokens()) {
            word.set(tokenizer.nextToken());
            context.write(word, ONE);
        }
    }
}

public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {

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

上述代码中，WordCountMapper类将输入数据转换成键值对，其中键为单词，值为1。WordCountReducer类将相同的单词进行合并，并输出最终的结果。

Java使用Hadoop实现MapReduce时，需要将Mapper类和Reducer类打包成jar包，并使用hadoop命令运行。例如：

hadoop jar wordcount.jar WordCount input output

上述命令将输入文件input进行MapReduce计算，并将结果保存在output文件中。