一些算法的MapReduce实现——有向图求边的交集

Problem

如下图所示,求这三个graph的公共边,也即是途中有色粗线所示

Input

输入格式:

Graph_id<tab>source<tab>destination

 

上图数据输入格式例子:

graph1<tab>node1<tab>node3
 graph1<tab>node1<tab>node2
 graph1<tab>node2<tab>node3
 graph1<tab>node2<tab>node7
 graph1<tab>node2<tab>node4
 graph1<tab>node3<tab>node4
 graph1<tab>node3<tab>node5
 graph1<tab>node4<tab>node6
 graph1<tab>node4<tab>node6
 graph2<tab>node1<tab>node2
 graph2<tab>node1<tab>node2
 graph2<tab>node1<tab>node7
 graph2<tab>node2<tab>node4
 graph2<tab>node2<tab>node5
 graph2<tab>node2<tab>node7
 graph2<tab>node3<tab>node5
 graph2<tab>node4<tab>node6
 graph2<tab>node7<tab>node3
 graph3<tab>node1<tab>node3
 graph3<tab>node1<tab>node2
 graph3<tab>node2<tab>node4
 graph3<tab>node2<tab>node7
 graph3<tab>node3<tab>node5
 graph3<tab>node3<tab>node6
 graph3<tab>node4<tab>node7
 graph3<tab>node5<tab>node6


Output

node1:node2<tab>graph3^graph2^graph1
 node2:node4<tab>graph3^graph2^graph1
 node2:node7<tab>graph3^graph2^graph1
 node3:node5<tab>graph3^graph2^graph1


Hadoop Code

import package HadoopGTK;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.ma
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
Mapreduce实例-WordCount是一个经典的MapReduce程序,用于统计文本中每个单词出现的次数。它的工作原理是将输入的文本划分为多个片段,每个片段由多个键值对组成,其中键是单词,值是1。然后通过Map阶段将每个片段中的单词提取出来,并将每个单词映射为键值对,其中键是单词,值是1。接下来,通过Shuffle和Sort阶段将具有相同单词的键值对聚集在一起。最后,通过Reduce阶段将相同单词的计数值进行累加,得到每个单词的总次数。 以下是一个示例代码片段,展示了WordCount程序的基本结构和关键组件: ```java import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class WordCount { public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{ private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(Object key, Text value, Context context) throws IOException, InterruptedException { StringTokenizer itr = new StringTokenizer(value.toString()); while (itr.hasMoreTokens()) { word.set(itr.nextToken()); context.write(word, one); } } } public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> { private IntWritable result = new IntWritable(); public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { int sum = 0; for (IntWritable val : values) { sum += val.get(); } result.set(sum); context.write(key, result); } } public static void main(String[] args) throws Exception { Job job = Job.getInstance(); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); } } ```

“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 3
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