mapreduce编写wordcount

MapReduce是一种分布式计算模型，可以用来处理大规模数据。Wordcount是一个很常见的问题，就是统计文本中每个单词出现的次数。使用MapReduce编写Wordcount程序可以将数据分块并在多台计算机上同时处理，提高处理效率。

相关问题

编写并运行MapReduce程序WordCount

WordCount是MapReduce中最基本的程序之一，它用于计算文本中每个单词的出现次数。下面是WordCount的Java代码：

import java.io.IOException;
import java.util.StringTokenizer;
 
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
 
public class WordCount {
 
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{
 
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();
 
        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());
                context.write(word, one);
            }
        }
    }
 
    public static class IntSumReducer 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);
        }
    }
 
    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(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.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);
    }
}

这个程序的输入是一个文本文件，输出是每个单词出现的次数。在运行之前，你需要安装Hadoop并将输入文件放入HDFS。运行MapReduce程序的命令如下：

hadoop jar WordCount.jar WordCount /input /output

其中，WordCount.jar是你打包好的Java程序，input是输入文件的路径，output是输出目录的路径。执行这个命令后，MapReduce作业就会在Hadoop集群上运行。

编写一个mapreduce的wordcount程序

以下是一个简单的MapReduce WordCount程序的示例：

Map函数

def mapper(key, value):
    words = value.split()
    for word in words:
        yield word, 1

Reduce函数

def reducer(key, values):
    count = sum(values)
    yield key, count

驱动程序

from mrjob.job import MRJob

class WordCount(MRJob):
    
    def mapper(self, key, value):
        words = value.split()
        for word in words:
            yield word, 1
            
    def reducer(self, key, values):
        count = sum(values)
        yield key, count
        
if __name__ == '__main__':
    WordCount.run()

以上代码将读取文本文件中的每一行，并将其传递给Map函数。 Map函数将行拆分为单词，并在每个单词上发出键值对。 Reduce函数将相同的键键值对合并，以计算每个单词的出现次数。 最后，程序将输出每个单词和它的出现次数。

运行程序

python wordcount.py input.txt > output.txt

其中，input.txt是我们要统计单词的文本文件，output.txt是程序运行后输出的结果。