hadoop实战项目:查找相同字母组成的字谜

前面我们学习了MapReduce编程思想和编程示例,那么本节课程同学们一起操练操练,动手完成下面的项目。

项目需求

一本英文书籍包含成千上万个单词或者短语,现在我们需要在大量的单词中,找出相同字母组成的所有anagrams(字谜)。

数据集

下面是一本英文书籍截取的一部分单词内容。猛戳此链接下载数据集

initiate
initiated
initiates
initiating
initiation
initiations
initiative
initiatives
initiator
initiators
initiatory
inject
injectant
injected
injecting
injection
injections
injector
injectors
injects

思路分析

基于以上需求,我们通过以下几步完成:

1、在 Map 阶段,对每个word(单词)按字母进行排序生成sortedWord,然后输出key/value键值对(sortedWord,word)。

2、在 Reduce 阶段,统计出每组相同字母组成的所有anagrams(字谜)。

数据处理示意流程

在下面单词中,找出相同字母组成的字谜。

cat
tar
bar
act
rat

第一步:经过 map 阶段处理

< act	cat >
< art tar> < abr bar> < act act> < art rat>

第二步:经过 reduce 阶段处理

< abr	bar>
< act cat,act> < art tar,rat>

程序开发

1、编写程序执行主类:AnagramMain

package com.hadoop.test;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
public class AnagramMain extends Configured implements Tool{
    
    @SuppressWarnings( "deprecation")
    @Override
    public  int run(String[] args) throws Exception {
        Configuration conf = new Configuration();
        
        //删除已经存在的输出目录
        Path mypath = new Path(args[1]);
        FileSystem hdfs = mypath.getFileSystem(conf);
         if (hdfs.isDirectory(mypath)) {
            hdfs.delete(mypath, true);
        }
        Job job = new Job(conf, "testAnagram");
        job.setJarByClass(AnagramMain. class);    //设置主类
        
        job.setMapperClass(AnagramMapper. class);    //Mapper
        job.setMapOutputKeyClass(Text. class);
        job.setMapOutputValueClass(Text. class);
        job.setReducerClass(AnagramReducer. class);    //Reducer
        job.setOutputKeyClass(Text. class);
        job.setOutputValueClass(Text. class);
         FileInputFormat.addInputPath(job, new Path(args[0]));    //设置输入路径
        FileOutputFormat. setOutputPath(job, new Path(args[1]));    //设置输出路径
        job.waitForCompletion( true);
         return 0;
        
    }

    public static void main(String[] args) throws Exception{
        String[] args0 = { "hdfs://cloud004:9000/anagram/anagram.txt" ,
                 "hdfs://cloud004:9000/anagram/output"};
         int ec = ToolRunner.run( new Configuration(), new AnagramMain(), args0);
        System. exit(ec);
    }
}

2、编写Mapper:AnagramMapper

package com.hadoop.test;
import java.io.IOException;
import java.util.Arrays;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class AnagramMapper extends Mapper< Object, Text, Text, Text> {

    private Text sortedText = new Text();
    private Text orginalText = new Text();

    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {

        String word = value.toString();
        char[] wordChars = word.toCharArray();//单词转化为字符数组
        Arrays.sort(wordChars);//对字符数组按字母排序
        String sortedWord = new String(wordChars);//字符数组转化为字符串
        sortedText.set(sortedWord);//设置输出key的值
        orginalText.set(word);//设置输出value的值
        context.write( sortedText, orginalText );//map输出
    }

}

3、编写Reducer:AnagramReducer

package com.hadoop.test;
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class AnagramReducer extends Reducer< Text, Text, Text, Text> {
   
    private Text outputKey = new Text();
    private Text outputValue = new Text();

   
    public void reduce(Text anagramKey, Iterable< Text> anagramValues,
            Context context) throws IOException, InterruptedException {
            String output = "";
            //对相同字母组成的单词,使用 ~ 符号进行拼接
            for(Text anagam:anagramValues){
                 if(!output.equals("")){
                     output = output + "~" ;
                 }
                 output = output + anagam.toString() ;
            }
            StringTokenizer outputTokenizer = new StringTokenizer(output,"~" );
            //输出anagrams(字谜)大于2的结果
            if(outputTokenizer.countTokens()>=2)
            {
                    output = output.replace( "~", ",");
                    outputKey.set(anagramKey.toString());//设置key的值
                    outputValue.set(output);//设置value的值
                    context.write( outputKey, outputValue);//reduce
            }
    }

}

编译和执行MapReduce作业

1、将项目编译和打包为anagram.jar,使用 SSH 客户端将 anagram.jar上传至hadoop的/home/hadoop/djt目录下。

2、使用cd /home/hadoop/djt 切换到当前目录,通过命令行执行任务。

hadoop jar anagram.jar com.hadoop.test.AnagramMain

查看运行结果

任务的最终结果输出到 HDFS ,使用如下命令查看结果。

[hadoop@cloud004 hadoop-2.2.0-x64]$ hadoop fs -cat /anagram/output/part-r-00000

部分结果集如下所示。

cehors    cosher,chores,ochres,ochers
cehorst    troches,hectors,torches
cehort    troche,hector
cehortu    toucher,couther,retouch
cehoss    coshes,choses
cehrt    chert,retch
cehstu    chutes,tusche
cehsty    chesty,scythe
ceht    etch,tech
ceiijstu    jesuitic,juiciest
ceiikst    ickiest,ekistic
ceiilnos    isocline,silicone
ceiilnoss    isoclines,silicones
ceiimmnoorss    commissioner,recommission
ceiimmnoorsss    recommissions,commissioners
ceiimorst    isometric,eroticism
ceiimost    semiotic,comities
ceiinnopst    inceptions,inspection
ceiinrsstu    scrutinies,scrutinise
ceiinrst    citrines,crinites,inciters
ceiinrt    citrine,inciter
ceiinss    iciness,incises
ceiintz    citizen,zincite
ceiist    iciest,cities
ceikln    nickel,nickle
ceiklnr    crinkle,clinker
ceiklnrs    clinkers,crinkles
ceiklns    nickels,nickles
ceiklrs    slicker,lickers
ceiklrsst    sticklers,strickles
ceiklrst    trickles,ticklers,stickler
ceiklrt    tickler,trickle
ceiklsst    slickest,stickles
ceiklst    keltics,stickle,tickles
ceiklt    tickle,keltic
ceiknrs    nickers,snicker
ceikorr    rockier,corkier
ceikorst    stockier,corkiest,rockiest
ceikpst    skeptic,pickets
ceikrst    rickets,tickers,sticker
ceil    lice,ceil
ceilmop    compile,polemic
ceilmopr    compiler,complier
ceilmoprs    compliers,compilers
ceilmops    polemics,complies,compiles
ceilnoos    colonise,colonies
ceilnors    incloser,licensor
ceilnorss    inclosers,licensors

 

 

转载于:https://www.cnblogs.com/bob-wzb/p/5145787.html

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值