初学hadoop之一：相似度计算（余弦距离）

写这个博客的初衷还是想记录一下自己学hadoop的历程啦~，大部分的东西都是老师要我们下来写的作业，虽然自己做的确实不怎么样，但如果要转载的话，还是麻烦注明一下出处，谢谢啦~

 

（一）问题

   老师给我们留的作业就是求一个或多个txt文件中任意两行的距离（余弦、jacard、欧式距离都行），txt文件中每一行是中文英文还是数字都不限。

   下面代码的我做测试用的数据格式是这样的：1{s1 s2 s3 s4 s5 s6}，前面的1为行号，后面“{”“}”里的内容为真正要计算距离的某一行至，每个值之间用空格隔开。

（二）余弦距离

   网上关于余弦距离的计算的也有很多讲解的例子，我同学就举了这样一个例子，比如有这样两行A和B；A为“他喜欢你”，B为“我喜欢你”。要计算