hdfs词频统计idea

以下是在IDEA中进行HDFS词频统计的步骤：

1.创建一个Maven项目，添加Hadoop依赖项。

2.在HDFS上创建一个输入目录，并将要处理的文本文件上传到该目录中。

3.创建一个Java类，用于实现MapReduce作业。在该类中，实现Mapper和Reducer类，并在main()方法中配置和运行MapReduce作业。

4.在Mapper类中，实现map()方法，将每个单词作为键，将其出现的次数作为值进行输出。

5.在Reducer类中，实现reduce()方法，将每个单词的出现次数进行累加，并将结果输出。

6.在main()方法中，配置和运行MapReduce作业。设置输入和输出路径，以及Mapper和Reducer类。

7.运行程序，等待作业完成后，在HDFS上查看输出结果。

8.如果需要在Map阶段进行词频统计，可以自定义实现Combine阶段的类InvertedIndexCombiner，对每个文档的单词进行词频统计。

代码示例：

// Mapper类
public static 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);
        }
    }
}

// Reducer类
public static class WordCountReducer 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);
    }
}

// main()方法
public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(WordCountMapper.class);
    job.setCombinerClass(WordCountReducer.class);
    job.setReducerClass(WordCountReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
}