溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點(diǎn)擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

Hadoop編程基于MR程序如何實(shí)現(xiàn)倒排索引

發(fā)布時(shí)間:2021-08-21 11:31:22 來源:億速云 閱讀:161 作者:小新 欄目:服務(wù)器

這篇文章主要介紹Hadoop編程基于MR程序如何實(shí)現(xiàn)倒排索引,文中介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們一定要看完!

一、數(shù)據(jù)準(zhǔn)備

1、輸入文件數(shù)據(jù)

這里我們準(zhǔn)備三個(gè)輸入文件,分別如下所示

a.txt

hello tom 
hello jerry 
hello tom

b.txt

hello jerry 
hello jerry 
tom jerry

c.txt

hello jerry 
hello tom

2、最終輸出文件數(shù)據(jù)

最終輸出文件的結(jié)果為:

[plain] view plain copy
hello  c.txt-->2 b.txt-->2 a.txt-->3  
jerry  c.txt-->1 b.txt-->3 a.txt-->1  
tom c.txt-->1 b.txt-->1 a.txt-->2

二、倒排索引過程分析

根據(jù)輸入文件數(shù)據(jù)和最終的輸出文件結(jié)果可知,此程序需要利用兩個(gè)MR實(shí)現(xiàn),具體流程可總結(jié)歸納如下:

-------------第一步Mapper的輸出結(jié)果格式如下:-------------------- 
context.wirte("hello->a.txt", "1") 
context.wirte("hello->a.txt", "1") 
context.wirte("hello->a.txt", "1") 
context.wirte("hello->b.txt", "1") 
context.wirte("hello->b.txt", "1") 
context.wirte("hello->c.txt", "1") 
context.wirte("hello->c.txt", "1") 
-------------第一步Reducer的得到的輸入數(shù)據(jù)格式如下:------------- 
<"hello->a.txt", {1,1,1}> 
<"hello->b.txt", {1,1}> 
<"hello->c.txt", {1,1}> 
-------------第一步Reducer的輸出數(shù)據(jù)格式如下--------------------- 
context.write("hello->a.txt", "3") 
context.write("hello->b.txt", "2") 
context.write("hello->c.txt", "2") 
-------------第二步Mapper得到的輸入數(shù)據(jù)格式如下:----------------- 
context.write("hello->a.txt", "3") 
context.write("hello->b.txt", "2") 
context.write("hello->c.txt", "2") 
-------------第二步Mapper輸出的數(shù)據(jù)格式如下:-------------------- 
context.write("hello", "a.txt->3") 
context.write("hello", "b.txt->2") 
context.write("hello", "c.txt->2") 
-------------第二步Reducer得到的輸入數(shù)據(jù)格式如下:----------------- 
<"hello", {"a.txt->3", "b.txt->2", "c.txt->2"}> 
-------------第二步Reducer輸出的數(shù)據(jù)格式如下:----------------- 
context.write("hello", "a.txt->3 b.txt->2 c.txt->2") 
最終結(jié)果為: 
hello  a.txt->3 b.txt->2 c.txt->2

三、程序開發(fā)

3.1、第一步MR程序與輸入輸出

package com.lyz.hdfs.mr.ii; 
import java.io.IOException; 
import org.apache.commons.lang.StringUtils; 
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; 
/** 
 * 倒排索引第一步Map Reduce程序,此處程序?qū)⑺械腗ap/Reduce/Runner程序放在一個(gè)類中 
 * @author liuyazhuang 
 * 
 */ 
public class InverseIndexStepOne { 
  /** 
   * 完成倒排索引第一步的mapper程序 
   * @author liuyazhuang 
   * 
   */ 
  public static class StepOneMapper extends Mapper<LongWritable, Text, Text, LongWritable>{ 
    @Override 
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, LongWritable>.Context context) 
        throws IOException, InterruptedException { 
      //獲取一行數(shù)據(jù) 
      String line = value.toString(); 
      //切分出每個(gè)單詞 
      String[] fields = StringUtils.split(line, " "); 
      //獲取數(shù)據(jù)的切片信息 
      FileSplit fileSplit = (FileSplit) context.getInputSplit(); 
      //根據(jù)切片信息獲取文件名稱 
      String fileName = fileSplit.getPath().getName(); 
      for(String field : fields){ 
        context.write(new Text(field + "-->" + fileName), new LongWritable(1)); 
      } 
    } 
  } 
  /** 
   * 完成倒排索引第一步的Reducer程序 
   * 最終輸出結(jié)果為: 
   * hello-->a.txt  3 
    hello-->b.txt  2 
    hello-->c.txt  2 
    jerry-->a.txt  1 
    jerry-->b.txt  3 
    jerry-->c.txt  1 
    tom-->a.txt 2 
    tom-->b.txt 1 
    tom-->c.txt 1 
   * @author liuyazhuang 
   * 
   */ 
  public static class StepOneReducer extends Reducer<Text, LongWritable, Text, LongWritable>{ 
    @Override 
    protected void reduce(Text key, Iterable<LongWritable> values, 
        Reducer<Text, LongWritable, Text, LongWritable>.Context context) throws IOException, InterruptedException { 
      long counter = 0; 
      for(LongWritable value : values){ 
        counter += value.get(); 
      } 
      context.write(key, new LongWritable(counter)); 
    } 
  } 
  //運(yùn)行第一步的MR程序 
  public static void main(String[] args) throws Exception{ 
    Configuration conf = new Configuration(); 
    Job job = Job.getInstance(conf); 
    job.setJarByClass(InverseIndexStepOne.class); 
    job.setMapperClass(StepOneMapper.class); 
    job.setReducerClass(StepOneReducer.class); 
    job.setMapOutputKeyClass(Text.class); 
    job.setMapOutputValueClass(LongWritable.class); 
    job.setOutputKeyClass(Text.class); 
    job.setOutputValueClass(LongWritable.class); 
    FileInputFormat.addInputPath(job, new Path("D:/hadoop_data/ii")); 
    FileOutputFormat.setOutputPath(job, new Path("D:/hadoop_data/ii/result")); 
    job.waitForCompletion(true); 
  } 
}

3.1.1 輸入數(shù)據(jù)

a.txt

hello tom 
hello jerry 
hello tom

b.txt

hello jerry 
hello jerry 
tom jerry

c.txt

hello jerry 
hello tom

3.1.2

輸出結(jié)果:

hello-->a.txt  3 
hello-->b.txt  2 
hello-->c.txt  2 
jerry-->a.txt  1 
jerry-->b.txt  3 
jerry-->c.txt  1 
tom-->a.txt 2 
tom-->b.txt 1 
tom-->c.txt 1

3.2 第二步MR程序與輸入輸出

package com.lyz.hdfs.mr.ii; 
import java.io.IOException; 
import org.apache.commons.lang.StringUtils; 
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.output.FileOutputFormat; 
/** 
 * 倒排索引第二步Map Reduce程序,此處程序?qū)⑺械腗ap/Reduce/Runner程序放在一個(gè)類中 
 * @author liuyazhuang 
 * 
 */ 
public class InverseIndexStepTwo { 
  /** 
   * 完成倒排索引第二步的mapper程序 
   * 
   * 從第一步MR程序中得到的輸入信息為: 
   * hello-->a.txt  3 
    hello-->b.txt  2 
    hello-->c.txt  2 
    jerry-->a.txt  1 
    jerry-->b.txt  3 
    jerry-->c.txt  1 
    tom-->a.txt 2 
    tom-->b.txt 1 
    tom-->c.txt 1 
   * @author liuyazhuang 
   * 
   */ 
  public static class StepTwoMapper extends Mapper<LongWritable, Text, Text, Text>{ 
    @Override 
    protected void map(LongWritable key, Text value, Mapper<LongWritable, Text, Text, Text>.Context context) 
        throws IOException, InterruptedException { 
      String line = value.toString(); 
      String[] fields = StringUtils.split(line, "\t"); 
      String[] wordAndFileName = StringUtils.split(fields[0], "-->"); 
      String word = wordAndFileName[0]; 
      String fileName = wordAndFileName[1]; 
      long counter = Long.parseLong(fields[1]); 
      context.write(new Text(word), new Text(fileName + "-->" + counter)); 
    } 
  } 
  /** 
   * 完成倒排索引第二步的Reducer程序 
   * 得到的輸入信息格式為: 
   * <"hello", {"a.txt->3", "b.txt->2", "c.txt->2"}>, 
   * 最終輸出結(jié)果如下: 
   * hello  c.txt-->2 b.txt-->2 a.txt-->3 
    jerry  c.txt-->1 b.txt-->3 a.txt-->1 
    tom c.txt-->1 b.txt-->1 a.txt-->2 
   * @author liuyazhuang 
   * 
   */ 
  public static class StepTwoReducer extends Reducer<Text, Text, Text, Text>{ 
    @Override 
    protected void reduce(Text key, Iterable<Text> values, Reducer<Text, Text, Text, Text>.Context context) 
        throws IOException, InterruptedException { 
      String result = ""; 
      for(Text value : values){ 
        result += value + " "; 
      } 
      context.write(key, new Text(result)); 
    } 
  } 
  //運(yùn)行第一步的MR程序 
  public static void main(String[] args) throws Exception{ 
    Configuration conf = new Configuration(); 
    Job job = Job.getInstance(conf); 
    job.setJarByClass(InverseIndexStepTwo.class); 
    job.setMapperClass(StepTwoMapper.class); 
    job.setReducerClass(StepTwoReducer.class); 
    job.setMapOutputKeyClass(Text.class); 
    job.setMapOutputValueClass(Text.class); 
    job.setOutputKeyClass(Text.class); 
    job.setOutputValueClass(Text.class); 
    FileInputFormat.addInputPath(job, new Path("D:/hadoop_data/ii/result/part-r-00000")); 
    FileOutputFormat.setOutputPath(job, new Path("D:/hadoop_data/ii/result/final")); 
    job.waitForCompletion(true); 
  } 
}

3.2.1 輸入數(shù)據(jù)

hello-->a.txt  3 
hello-->b.txt  2 
hello-->c.txt  2 
jerry-->a.txt  1 
jerry-->b.txt  3 
jerry-->c.txt  1 
tom-->a.txt 2 
tom-->b.txt 1 
tom-->c.txt 1

3.2.2 輸出結(jié)果

hello  c.txt-->2 b.txt-->2 a.txt-->3  
jerry  c.txt-->1 b.txt-->3 a.txt-->1  
tom c.txt-->1 b.txt-->1 a.txt-->2

以上是“Hadoop編程基于MR程序如何實(shí)現(xiàn)倒排索引”這篇文章的所有內(nèi)容,感謝各位的閱讀!希望分享的內(nèi)容對大家有幫助,更多相關(guān)知識(shí),歡迎關(guān)注億速云行業(yè)資訊頻道!

向AI問一下細(xì)節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI