mapreduce 计数差异

Question

我正在尝试编写一个程序来输出 2 列中计数之间的差异。所以我的数据看起来像这样：

2,1
2,3
1,2
3,1
4,2

我想计算 col1 中 key 的出现次数和 col2 中 key 的出现次数并取差值。输出应如下所示：

1,-1
2,0
3,0
4,1

这可以在一个 mapreduce 过程中完成吗（mapper、reducer）？

Answer 1

在每行的映射器中，您将创建两个键，一个用于 col1，另一个用于 col2，其中值从每列计数，如下所示：

2,1 -> 2:{1, 0} 和 1:{0, 1}

2,3 -> 2:{1, 0} 和 3:{0, 1}

1,2 -> 1:{1, 0} 和 2:{0, 1}

3,1 -> 3:{1, 0} 和 1:{0, 1}

4,2 -> 4:{1, 0} 和 2:{0, 1}

然后在 reducer 中，您将获得这些结果，其中每一行是每个 reduce 调用的键和值组合：

1 -> {0, 1}, {1, 0}, {0, 1}（添加它们将产生 -1）

2 -> {1, 0}, 2:{1, 0}, 2:{0, 1}, 2:{0, 1}（相加将产生 0）

3 -> {0, 1}, {1, 0}（添加它们将产生 0）

4 -> {1, 0}（添加它们将产生 1）

更新：

这是 Hadoop 示例（它未经测试，可能需要一些调整才能使其正常工作）：

public class TheMapper extends Mapper<LongWritable, Text, Text, ArrayPrimitiveWritable>{        

    protected void map(LongWritable offset, Text value, Context context) 
    throws IOException, InterruptedException {

        StringTokenizer tok = new StringTokenizer( value.toString(), "," );

        Text col1 = new Text( tok.nextToken() );
        context.write( col1, toArray(1, 0) );

        Text col2 = new Text( tok.nextToken() );        
        context.write( col2, toArray(0, 1) );
    }

    private ArrayPrimitiveWritable toArray(int v1, int v2){     
        return new ArrayPrimitiveWritable( new int[]{i1, i2} );
    }   
}

public class TheReducer extends Reducer<Text, ArrayPrimitiveWritable, Text, Text> {

  public void reduce(Text key, Iterable<ArrayPrimitiveWritable> values, Context context) 
  throws IOException, InterruptedException {

      Iterator<ArrayPrimitiveWritable> i = values.iterator();
      int count = 0;
      while ( i.hasNext() ){
          int[] counts = (int[])i.next().get();
          count += counts[0];
          count -= counts[1];
      }

      context.write( key, new Text("" + count) );
  }
}