声明：
1）本文由我bitpeach原创撰写，转载时请注明出处，侵权必究。
2）本小实验工作环境为Windows系统下的百度云（联网），和Ubuntu系统的hadoop1-2-1（自己提前配好）。如不清楚配置可看《Hadoop之词频统计小实验初步配置》
3）本文由于过长，无法一次性上传。下面是五个部分的简介：
一是简要介绍百度云；
二是作基本的英文词频统计（在百度云下）。至于Ubuntu下的基本词频统计，仍然可以看《Hadoop之词频统计小实验初步配置》；
三是改进英文词频统计，简单修改了部分代码，在此要感谢Joyce0625的《查看Hadoop-1.2.1里面的例子jar并对WordCount进行修改》。是参考了他的博文才写出来的；
四是单机Hadoop（Ubuntu）下的中文分词并作词频统计的，为什么不在百度云上作，具体原因参见博文，并深刻感激网友岁月如歌的《Hadoop中文词频统计》，没有他的博文指导我写不出来，并与他邮件请教几次，真的很感谢他！补充：发现岁月如歌的博客这篇博文不见了，这里提供中文词频统计的其他博客参考阅读地址，地址1或地址1原文，地址2。
五是由于上述都是java程序，那么想利用hadoop的python接口，即Streaming模式下用python去做英文词频统计。这个是简单试水，希望后来人继续探索！
本文抛砖引玉，感谢帮助我的人！
-----------------------------------------------------------------------------------------------------------------------
《Hadoop的改进实验（中文分词词频统计及英文词频统计）》全文有五个部分，我尝试一次性上传，总是不成功。
现发布博文，决定分成四篇。
《Hadoop的改进实验（中文分词词频统计及英文词频统计）（1/4）》，主要描述第一部分，第二部分，第三部分
《Hadoop的改进实验（中文分词词频统计及英文词频统计）（2/4）》，主要描述第四部分的前半部分
《Hadoop的改进实验（中文分词词频统计及英文词频统计）（3/4）》，主要描述第四部分的后半部分（= =因为第四部分实在是太长，只能分隔开上传）
《Hadoop的改进实验（中文分词词频统计及英文词频统计）（4/4）》，主要描述第五部分
<<<<<<<<< 写在文章最后的小额打赏 >>>>>>>>>
如果读者亲愿意的话，可以小额打赏我，感谢您的打赏。您的打赏是我的动力，非常感激。
必读：如您愿意打赏，打赏方式任选其一，本页面右侧的公告栏有支付宝方式打赏，微信方式打赏。
避免因打赏产生法律问题，两种打赏方式的任一打赏金额上限均为5元，谢谢您的支持。
如有问题，请24小时内通知本人邮件。
534
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
