最近在看google那篇經典的MapReduce論文，中文版可以參考孟巖推薦的 mapreduce 中文版 中文翻譯

論文中提到，MapReduce的編程模型就是：

計算利用一個輸入key/value對集,來產生一個輸出key/value對集.MapReduce庫的用戶用兩個函數表達這個計算:map和reduce.

用戶自定義的map函數,接受一個輸入對,然后產生一個中間key/value對集.MapReduce庫把所有具有相同中間key I的中間value聚合在一起,然后把它們傳遞給reduce函數.

用戶自定義的reduce函數,接受一個中間key I和相關的一個value集.它合并這些value,形成一個比較小的value集.一般的,每次reduce調用只產生0或1個輸出value.通過一個迭代器把中間value提供給用戶自定義的reduce函數.這樣可以使我們根據內存來控制value列表的大小.

那么研究MapReduce，一般是從hadoop開始，研究編程語言，一般從helloworld開始，那么我們研究hadoop，就先從官方實例wordcount開始。

按照上面提到的編程模型：

用戶自定義的map函數,接受一個輸入對,然后產生一個中間key/value對集.MapReduce庫把所有具有相同中間key I的中間value聚合在一起,然后把它們傳遞給reduce函數.

那么對于單詞計數這個程序來說：

map函數對輸入的文本進行分詞處理，然后輸出（單詞， 1）這樣的結果，例如“You are a young man”，輸出的就是（you， 1）， （are， 1） 之類的結果

?

代碼如下：

class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {private final static IntWritable one = new IntWritable(1);private Text word = new Text();@Overrideprotected void map(Object key, Text value, Context context) throws IOException, InterruptedException {StringTokenizer tokenizer = new StringTokenizer(value.toString());while (tokenizer.hasMoreTokens()){word.set(tokenizer.nextToken());context.write(word, one);}} } 上面提到map函數的輸入也是k-v堆，從模板參數中可以看出。這個map函數的輸入K-V類型為 <Object, Text>

而map函數的輸出類型為<Text, IntWritable>，而這恰好就是reduce函數的輸入類型

?

reduce函數：

用戶自定義的reduce函數,接受一個中間key I和相關的一個value集.它合并這些value,形成一個比較小的value集.一般的,每次reduce調用只產生0或1個輸出value.通過一個迭代器把中間value提供給用戶自定義的reduce函數.這樣可以使我們根據內存來控制value列表的大小.

在單詞計數中，我們把具有相同key的結果聚合起來：

class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {private IntWritable result = new IntWritable();@Overrideprotected 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);} }

reduce函數的第二個參數類型為Iterable<IntWritable>， 這是一堆value的集合，他們具有相同的key，reduce函數的意義就是將這些結果聚合起來。

例如（”hello“， 1）和（”hello“， 1）聚合為（”hello“， 2），后者可能再次和（”hello“， 3） （”hello“， 1），聚合為（”hello“， 7）

可以通過控制values的大小，防止內存溢出，合理使用內存。

reduce函數的結果存儲到磁盤上，就是我們最終的結果。

?

完整的代碼為：

package com.zhihu;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;import java.io.IOException; import java.util.StringTokenizer;/*** Created by guochunyang on 15/9/22.*/ public class WordCount {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {Configuration conf = new Configuration();Job job = Job.getInstance(conf, "wordcount");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("in"));FileOutputFormat.setOutputPath(job, new Path("out"));job.waitForCompletion(true);} }class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {private final static IntWritable one = new IntWritable(1);private Text word = new Text();@Overrideprotected void map(Object key, Text value, Context context) throws IOException, InterruptedException {StringTokenizer tokenizer = new StringTokenizer(value.toString());while (tokenizer.hasMoreTokens()){word.set(tokenizer.nextToken());context.write(word, one);}} }class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {private IntWritable result = new IntWritable();@Overrideprotected 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);} }

轉載于:https://www.cnblogs.com/inevermore/p/5232534.html

總結

以上是生活随笔為你收集整理的MapReduce之单词计数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。