mapreduce合并去重

最新推荐文章于 2022-12-19 10:00:00 发布

牛逸凡

最新推荐文章于 2022-12-19 10:00:00 发布

阅读量1.9k

点赞数

分类专栏： mapreduce 文章标签： mapreduce合并去重

本文链接：https://blog.csdn.net/weixin_42685589/article/details/81110758

版权

本文介绍如何使用MapReduce对多个文件进行合并，并在合并过程中去除重复内容。通过示例展示MapReduce程序的实现，并提供了运行环境的配置参考。

摘要由CSDN通过智能技术生成

一、问题描述

对输入的多个文件进行合并，并剔除其中重复的内容，去重后的内容输出到一个文件中。

file1.txt中的内容:

20150101     x
20150102     y
20150103     x
20150104     y

file2.txt中的内容:

20150105     z
20150106     x
20150101     y
20150102     y

file3.txt中的内容:


20150103     x
20150104     z
20150105     y

二、MapReduce程序

编写MapReduce程序，运行环境参考我的上一篇博客Intellij Idea配置MapReduce编程环境

package com.javacore.hadoop;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapredu