map reduce程序显示两个文件的交集答案

【问题标题】：map reduce program to display the intersection of two filesmap reduce程序显示两个文件的交集
【发布时间】：2015-03-30 23:10:11
【问题描述】：

Map Reduce 程序，它将两个文件作为输入，并给出两个文件中的一组单词（两个文件的交集。）

我试过这样..

Map 函数：将文件作为输入并给出 (word, 1) 作为输出。我在一个名为 part-r-00000 的文件中得到了这个输出。我对这两个文件都做了这一步，现在我有两个文件（两个部分-r-00000 文件。）

如何将这些文件作为输入提供给 Reduce 函数。

并给我一些建议来编写两个文件交集的reduce函数..

这是字数统计示例程序：

    package org.apache.hadoop.examples;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
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;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCountMap {

  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 {
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    if (otherArgs.length != 2) {
      System.err.println("Usage: wordcount <in> <out>");
      System.exit(2);
    }
    Job job = new Job(conf, "word count");
    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(otherArgs[0]));
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

reducer 类在注释中，所有与 reducer 类相关的行都在注释中，但我仍然得到一个文件 part-r-00000.。输出是

海1 这 1 一个 1 是 1 是 1 检查 1 示例 1 示例 1 示例 1 公平 1 文件 1 加尼什 1 Hadoop 1 怎么样 1 马力 1 是 1 是 1 是 1 地图 1 不是 1 只有1个程序。 1 减少 1 所以 1 这个 1 这个 1 到 1 你 1 你 1

【问题讨论】：

part-r-0000 文件来自减速器本身。也许在您的地图功能中，您应该使用一个标志来区分来自第一个文件和第二个文件的数据。并且在 reducer 中使用标志来比较值（这个逻辑似乎有很多冗余）和 write 仅在两者中都存在的那些
如果你没有指定 Reducer，它会选择默认的 Identity Reducer。这只是从映射器中获取数据并按原样打印。由于您使用的是新 API，请参阅 this

标签： hadoop mapreduce

【解决方案1】：

您应该在驱动程序代码中提及job.setNumReduceTasks(0);。这样part-r-00000 就不会创建。

我已经这样测试过了。使用job.setNumReduceTasks(0); 并且没有Reducer 逻辑，则生成part-m-00000，没有job.setNumReduceTasks(0); 和没有Reducer 逻辑，然后生成part-r-00000。

把这行放在上面，试着确认一下。

【讨论】：