用MapReduce实现词汇统计，代码描述map方法？

在Hadoop MapReduce框架中，实现词汇统计通常涉及两个主要阶段：Map阶段（Mapper）和Reduce阶段（Reducer）。以下是Map阶段（mapper）的一个基本Python伪代码示例，用于将文本分割成单词并计数：

# Mapper函数（假设输入是一个键值对(key, value)，value是文本内容）
def mapper(context):
    # context包含key和value
    for line in context.input:
        words = line.strip().split()  # 分割行内容为单词列表
        for word in words:
            context.emit(word, 1)  # 发送每个单词及其频率（初始值为1）

    # 每个单词作为键，频率1作为值
    # 这些数据会被传递到reduce阶段进行汇总

在这个例子中，`context.emit(word, 1)` 表示每当遇到一个新单词时，会将该单词作为一个新的键，并关联一个初始的计数值（1）发送出去。在实际应用中，`emit()`会将键值对发送给Hadoop的分布式系统，然后由Reducer进行后续处理。