MapReduce实现对相同字母组成的单词汇总

首先数据格式为：

相同字母组成的单词汇总，根据MapReduce的特点，map端的输出会在shuffle阶段进行按key分区输出到reduce端，利用这个特性，我们可以分析试图使相同字母组成的单词拥有同一个key值，正好相同字母就是可以作为相同值、只需要我们进行字母排序，因为存在大小写字母我们可以统一大小写再对字母排序来实现相同key。

map端输出数据格式：[ act , act ] [ act , cat ] [ act , CAT ]

reduce端收到数据格式：[ act , (act,cat,CAT) ]

代码实现：

public class Word {

    public static void main(String[] args) throws IOException, InterruptedException, ClassNotFoundException {

        Configuration configuration = new Configuration();

        Job job = Job.getInstance(configuration);
        job.setJarByClass(Word.class);
        job.setMapperClass(WordMapper.class);
        job.setReducerClass(WordReducer.class);

        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);

        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(NullWritable.class);

        FileInputFormat.setInputPaths(job,new Path("input/word.txt"));
        FileOutputFormat.setOutputPath(job,new Path("output"));


        System.out.println(job.waitForCompletion(true) ? 0 :1);

    }


    static class WordMapper extends Mapper<LongWritable, Text,Text,Text>{

        @Override
        protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context) throws IOException, InterruptedException {

            String[] words = value.toString().split(" ");

            for (String word : words) {
                // 转化为小写
                String lowerWord = word.toLowerCase();
                
                // 转化为字符数组
                char[] cs = lowerWord.toCharArray();
                // 对字符数组排序
                Arrays.sort(cs);

                context.write(new Text(String.valueOf(cs)), new Text(word));
            }

        }
    }

    static class WordReducer extends Reducer<Text,Text,Text,NullWritable>{

        @Override
        protected void reduce(Text key, Iterable<Text> values, Reducer<Text, Text, Text, NullWritable>.Context context) throws IOException, InterruptedException {

            List<String> str = new ArrayList<>();

            for (Text value : values) {

                str.add(value.toString());
            }

            context.write(new Text(String.valueOf(str)),NullWritable.get());
        }
    }
}

我们还可以使用sparkRDD算子来实现这个功能

object WordCollect {

    def main(args: Array[String]): Unit = {

        val sc = new SparkContext(new SparkConf().setMaster("local[*]").setAppName("WordCollect"))

        val rdd: RDD[String] = sc.textFile("datas/word2.txt")

        rdd.flatMap(
            // 扁平化操作，获取每一个单词
            line => {
                val strings: Array[String] = line.split(" ")
                strings
            }
        ).map(
            // 转换为key-value形式，key进行设计实现相同key
            str => {
                val array: Array[Char] = str.toLowerCase.toCharArray
                val sorted: Array[Char] = array.sorted
                (String.valueOf(sorted),str)
            }
        ).groupByKey().collect().foreach(println) // 根据key进行分组

        sc.stop()
    }

}

结果：

​​​​​​​