实验内容:
(1)使用MapReduce常用组件实现对常见的数据处理;
(2)给定若干个文档,使用Eclipse搭建maven工程,编写基于MapReduce的分布式程序,实现词频统计;
(3)给定两个文档A和B,现在需要将A和B的内容合并到C文档,并去除A和B中重复的内容,请编写MapReduce程序完成这一任务。
实验过程:
词频统计:
1. 创建maven工程导入所需的jar包
部分主要代码如下:
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-common</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<a