一、实例描述
计算出文件中各个单词的频数,要求输出结果按照单词出现的频数进行降序。
比如,输入文件
file1.txt,其内容如下:
hello word bye world
file2.txt,其内容如下:
hello hadoop goodbye hadoop
对应上面给出的输入样例,其输出样例为:
2 hadoop
2 hello
2 world
1 bye
1 goodbye
二、设计思路
输出结果要求根据单词词频进行降序输出,常见的原生WordCount计数只能统计出单词及其出现的频率,因此,需要在原生WordCount基础上作进一步改进,使得结果按照单词词频降序输出,于是我们可以设计两个job来实现该需求。(1)job1实现单词的词频统计;(2)job2实现根据单词词频进行降序排序。
图1
图2
1. job1的处理过程如图1所示
(1)Map函数设计
Map函数的实现目的:
<1, hello world bye world> ——> <hello, 1>,<world, 1>, <bye, 1>, <world, 1>
Map结果的输出格式为
public static class WordCountMapper extends Mapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1); //每个单词出现的次数设置为1
private Text word = new Text();
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
//默认情况按空格分割字符串,即"hello world bye world"按空格分割
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one); //通过context对象写入<key, value>
}
}
}
(2)Reduce函数设计
Reduce函数的实现目的:
<hello, {1,1}>,<bye, {1}> ——> <hello, 2>,<bye, 1>
因此Reduce函数的设计如下:
public static class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable re