倒排索引实现

简介:参考文章:


输入输出:

输入:

a.txt:

hadoop hello world

hello test

test hadoop

b.txt:

test world

hello world test

hadoop


输出:

hadoop hdfs://h2/apps/ca/yanh/data/invertedIndex/a.txt-->2       hdfs://h2/apps/ca/yanh/data/invertedIndex/b.txt-->1 
hello hdfs://h2/apps/ca/yanh/data/invertedIndex/b.txt-->1           hdfs://h2/apps/ca/yanh/data/invertedIndex/a.txt-->2 
test hdfs://h2/apps/ca/yanh/data/invertedIndex/a.txt-->2             hdfs://h2/apps/ca/yanh/data/invertedIndex/b.txt-->2 
world hdfs://h2/apps/ca/yanh/data/invertedIndex/b.txt-->2          hdfs://h2/apps/ca/yanh/data/invertedIndex/a.txt-->1



实现代码:

<span style="font-size:12px;">import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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.input.FileSplit;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

/**
 * Created by 浩 on 2015/4/20.
 */
public class InvertedIndex {

    public static void main(String[] args)throws IOException,InterruptedException, ClassNotFoundException {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf);

        job.setJarByClass(InvertedIndex.class);

        job.setMapperClass(InvertedMapper.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));

        job.setCombinerClass(InvertedCombiner.class);

        job.setReducerClass(InvertedReducer.class);
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);

        System.exit(job.waitForCompletion(true)? 0: 1);
    }
}

class InvertedMapper extends Mapper<LongWritable, Text, Text, Text> {
    private Text k = new Text();
    private Text v = new Text();

    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        String[] words = line.split(" ");
        FileSplit inputSplit = (FileSplit) context.getInputSplit();
        Path path = inputSplit.getPath();

        for (String word: words) {
            k.set(word + "-->" + path.toString());
            v.set("1");
            context.write(k, v);
        }
    }
}

class InvertedCombiner extends Reducer<Text, Text, Text, Text> {
    private Text k = new Text();
    private Text v = new Text();

    @Override
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        String[] fields = key.toString().split("-->");
        int sum = 0;
        for(Text val: values) {
            sum += Integer.parseInt(val.toString());
        }

        k.set(fields[0]);
        v.set(fields[1] + "-->" + sum);

        context.write(k, v);
    }
}

class InvertedReducer extends Reducer<Text, Text, Text, Text> {
    private Text k = new Text();
    private Text v = new Text();

    @Override
    protected void reduce(Text key, Iterable<Text> values, Context context)throws IOException, InterruptedException {

        String str = "";
        for(Text val: values) {
            str += val.toString() + "\t";
        }

        k.set(key);
        v.set(str);
        context.write(k, v);
    }
}
</span>



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
倒排索引是一种通过关键词反向索引文档的数据结构,用于实现全文检索。其主要思想是将文档中的每个关键词与其所在的文档进行关联,方便通过关键词快速定位文档。 具体实现过程如下: 1. 读取文档集合:首先,将需要进行全文检索的文档集合进行读取,将每个文档进行切词,得到文档的关键词列表。 2. 构建倒排索引:遍历每个文档,对于文档中的每个关键词,将其与文档进行关联。具体实现可以使用哈希表,关键词作为键,文档列表作为值。若某个关键词已经存在于哈希表中,则将当前文档添加到对应的文档列表中;否则,新建一个文档列表并将其与关键词关联起来。 3. 查询操作:当进行查询时,将查询关键词与倒排索引进行匹配。如果关键词在倒排索引中存在,就可以得到与之相关的文档列表,从而实现全文检索。同时,可以根据文档列表的长度进行排序,提高搜索结果的准确性和效率。 倒排索引实现全文检索的优点在于能够快速地定位到包含关键词的文档,并且可以通过对文档列表的操作进一步优化搜索结果。同时,倒排索引也可以支持通配符、布尔查询等高级查询操作,提供更灵活的全文检索功能。 总之,倒排索引是一种高效实现全文检索的数据结构,通过关键词的反向索引实现文档的快速定位。在搜索引擎、文档管理系统等领域广泛应用,提供了精确、快速的检索功能。

“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
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