需求:有大量的文本(文档、网页),需要建立搜索索引
所谓倒排索引就是把多个文件的字段进行逐次统计,进行展示。
比如说一个test文件夹下有多个文件:a.txt b.txt c.txt
a.txt 中的字段为 : ni ss ni
b.txt 中的字段为:ni dd ni
c.txt 中的字段为:ni hao ss
(1),第一次MapReduce方法预期输出为
dd–b.txt 1
hao–c.txt 1
ni–a.txt 2
ni–b.txt 2
ni–c.txt 1
ss–a.txt 1
ss–c.txt 1
(2).第二次MapReduce的预期输出为
dd b.txt–>1
hao c.txt–>1
ni a.txt–>2 b.txt–>2 c.txt–>1
ss a.txt–>1 c.txt–>1
1.第一次MapReduce代码实现为
import java.io.IOException;
import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;
public class OneIndexMapper extends Mapper<LongWritable, Text, Text , IntWritable>{ String name;
Text k = new Text();
IntWritable v