MapReduce编程自定义一个计数器，统计数据中各类型垃圾的数量

MapReduce是一种分布式计算模型，通常用于处理大规模数据集。为了在MapReduce中自定义计数器统计垃圾类型的数据，你需要在Mapper和Reducer阶段分别进行操作。以下是一个简单的步骤：

1. **定义键值对**:
- 使用`<垃圾类型, 1>`作为键值对的基础形式。垃圾类型是键，初始计数值为1。

2. **Mapper阶段**:
- Mapper函数会接收输入数据，并将数据分割成键值对。在这里，你可以检查每个数据元素是否属于某种垃圾类型，如果是，则增加该垃圾类型的计数值。例如，如果数据表示为字符串，可以使用条件判断和`map()`函数来实现：

     public void map(String input, Context context) {
         String[] types = parseInput(input); // 解析垃圾类型
         for (String type : types) {
             context.write(type, 1); // 输出垃圾类型及其计数
         }
     }

3. **Combiner阶段（可选，优化网络I/O）**:
- 如果你的应用支持Combiner，可以在这一阶段合并键值对的中间结果，减少Reducer接收到的数据量。这步不是必需的，但如果数据非常大，可以提高性能。

4. **Reducer阶段**:
- Reducer接收的是键和所有值（这里是1），然后累加所有垃圾类型的计数。这是计算总次数的地方：

     public void reduce(String type, Iterable<IntWritable> counts, Context context) {
         int total = 0;
         for (IntWritable count : counts) {
             total += count.get();
         }
         context.write(type, new IntWritable(total)); // 输出最终的垃圾类型计数
     }

5. **跟踪计数器**:
- 记得在`Job`对象上设置自定义计数器，以便在完成后查询结果。例如，在创建`Job`时，添加`Counter`：

     Configuration config = new Configuration();
     Job job = Job.getInstance(config);
     job.setJarByClass(MyJob.class);
     Counters.add(job.getConfiguration(), "CustomCounters", "GarbageTypes");

6. **查询结果**:
- 完成任务后，通过`Counter` API获取每个垃圾类型的计数值。