MapReduce:共同好友详解

首先我们要使用的数据如下

A:B,C,D,F,E,O
B:A,C,E,K
C:F,A,D,I
D:A,E,F,L
E:B,C,D,M,L
F:A,B,C,D,E,O,M
G:A,C,D,E,F
H:A,C,D,E,O
I:A,O
J:B,O
K:A,C,D
L:D,E,F
M:E,F,G
O:A,H,I,J

要想实现共同好友，首先，我们先求出哪些用户是他的好友，如B是A的好友，C是A的好友，D是A的好友…

那么我们以好友为key,用户为value向第一个Reduce中传输数据，传输的数据就会是：

key:B value:A
key:C value:A
key:D value:A
…

这样，我们在Reduce合并数据后，就变成了

key:B value:A,…
key:C value:A,…
key:D value:A,…

MapReduce01

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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;

public class FirendMapReduce01 {
   

    public static class MapTask extends Mapper<LongWritable, Text, Text, Text> {
   

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
   
            //读取一行数据
            String line = value.toString();
            //将数据按照“：”拆分 splits[0]为用户，splits[1]为该用户好友
            String[] splits = line.split(":");
            //将好友按照“，”拆分
            String[] firends = splits[1].split(",");
            //循环写出信息格式为： key:好友,value:用户
            for (String firend : firends)