爆款云主机2核4G限时秒杀,88元/年起!
查看详情

活动

天翼云最新优惠活动,涵盖免费试用,产品折扣等,助您降本增效!
热门活动
  • 618智算钜惠季 爆款云主机2核4G限时秒杀,88元/年起!
  • 免费体验DeepSeek,上天翼云息壤 NEW 新老用户均可免费体验2500万Tokens,限时两周
  • 云上钜惠 HOT 爆款云主机全场特惠,更有万元锦鲤券等你来领!
  • 算力套餐 HOT 让算力触手可及
  • 天翼云脑AOne NEW 连接、保护、办公,All-in-One!
  • 中小企业应用上云专场 产品组合下单即享折上9折起,助力企业快速上云
  • 息壤高校钜惠活动 NEW 天翼云息壤杯高校AI大赛,数款产品享受线上订购超值特惠
  • 天翼云电脑专场 HOT 移动办公新选择,爆款4核8G畅享1年3.5折起,快来抢购!
  • 天翼云奖励推广计划 加入成为云推官,推荐新用户注册下单得现金奖励
免费活动
  • 免费试用中心 HOT 多款云产品免费试用,快来开启云上之旅
  • 天翼云用户体验官 NEW 您的洞察,重塑科技边界

智算服务

打造统一的产品能力,实现算网调度、训练推理、技术架构、资源管理一体化智算服务
智算云(DeepSeek专区)
科研助手
  • 算力商城
  • 应用商城
  • 开发机
  • 并行计算
算力互联调度平台
  • 应用市场
  • 算力市场
  • 算力调度推荐
一站式智算服务平台
  • 模型广场
  • 体验中心
  • 服务接入
智算一体机
  • 智算一体机
大模型
  • DeepSeek-R1-昇腾版(671B)
  • DeepSeek-R1-英伟达版(671B)
  • DeepSeek-V3-昇腾版(671B)
  • DeepSeek-R1-Distill-Llama-70B
  • DeepSeek-R1-Distill-Qwen-32B
  • Qwen2-72B-Instruct
  • StableDiffusion-V2.1
  • TeleChat-12B

应用商城

天翼云精选行业优秀合作伙伴及千余款商品,提供一站式云上应用服务
进入甄选商城进入云市场创新解决方案
办公协同
  • WPS云文档
  • 安全邮箱
  • EMM手机管家
  • 智能商业平台
财务管理
  • 工资条
  • 税务风控云
企业应用
  • 翼信息化运维服务
  • 翼视频云归档解决方案
工业能源
  • 智慧工厂_生产流程管理解决方案
  • 智慧工地
建站工具
  • SSL证书
  • 新域名服务
网络工具
  • 翼云加速
灾备迁移
  • 云管家2.0
  • 翼备份
资源管理
  • 全栈混合云敏捷版(软件)
  • 全栈混合云敏捷版(一体机)
行业应用
  • 翼电子教室
  • 翼智慧显示一体化解决方案

合作伙伴

天翼云携手合作伙伴,共创云上生态,合作共赢
天翼云生态合作中心
  • 天翼云生态合作中心
天翼云渠道合作伙伴
  • 天翼云代理渠道合作伙伴
天翼云服务合作伙伴
  • 天翼云集成商交付能力认证
天翼云应用合作伙伴
  • 天翼云云市场合作伙伴
  • 天翼云甄选商城合作伙伴
天翼云技术合作伙伴
  • 天翼云OpenAPI中心
  • 天翼云EasyCoding平台
天翼云培训认证
  • 天翼云学堂
  • 天翼云市场商学院
天翼云合作计划
  • 云汇计划
天翼云东升计划
  • 适配中心
  • 东升计划
  • 适配互认证

开发者

开发者相关功能入口汇聚
技术社区
  • 专栏文章
  • 互动问答
  • 技术视频
资源与工具
  • OpenAPI中心
开放能力
  • EasyCoding敏捷开发平台
培训与认证
  • 天翼云学堂
  • 天翼云认证
魔乐社区
  • 魔乐社区

支持与服务

为您提供全方位支持与服务,全流程技术保障,助您轻松上云,安全无忧
文档与工具
  • 文档中心
  • 新手上云
  • 自助服务
  • OpenAPI中心
定价
  • 价格计算器
  • 定价策略
基础服务
  • 售前咨询
  • 在线支持
  • 在线支持
  • 工单服务
  • 建议与反馈
  • 用户体验官
  • 服务保障
  • 客户公告
  • 会员中心
增值服务
  • 红心服务
  • 首保服务
  • 客户支持计划
  • 专家技术服务
  • 备案管家

了解天翼云

天翼云秉承央企使命,致力于成为数字经济主力军,投身科技强国伟大事业,为用户提供安全、普惠云服务
品牌介绍
  • 关于天翼云
  • 智算云
  • 天翼云4.0
  • 新闻资讯
  • 天翼云APP
基础设施
  • 全球基础设施
  • 信任中心
最佳实践
  • 精选案例
  • 超级探访
  • 云杂志
  • 分析师和白皮书
  • 天翼云·创新直播间
市场活动
  • 2025智能云生态大会
  • 2024智算云生态大会
  • 2023云生态大会
  • 2022云生态大会
  • 天翼云中国行
天翼云
  • 活动
  • 智算服务
  • 产品
  • 解决方案
  • 应用商城
  • 合作伙伴
  • 开发者
  • 支持与服务
  • 了解天翼云
      • 文档
      • 控制中心
      • 备案
      • 管理中心

      mapreduce 高级案例倒排索引

      首页 知识中心 其他 文章详情页

      mapreduce 高级案例倒排索引

      2024-09-24 06:30:46 阅读次数:455

      mapreduce

      一:理解【倒排索引】的功能

      1.1 倒排索引:

          由于不是根据文档来确定文档所包含的内容,而是进行相反的操作,因而称为倒排索引
          简单来说根据单词,返回它在哪个文件中出现过,而且频率是多少的结果。例如:就像百度里的搜索,你输入一个关键字,那么百度引擎就迅速的在它的服务器里找到有该关键字的文件,并根据频率和其他一些策略(如页面点击投票率)等来给你返回结果
      

      二:熟悉mapreduce 中的combine 功能

      2.1 mapreduce的combine 功能

         1 Map过程:Map过程首先分析输入的<key,value>对,得到索引中需要的信息:单词,文档URI 和词频。key:单词和URI.value:出现同样单词的次数。
      
      2 Combine过程:经过map方法处理后,Combine过程将key值相同的value值累加,得到一个单词在文档中的词频。
      
      3 Reduce过程:经过上述的俩个过程后,Reduce过程只需要将相同的key值的value值组合成倒排引索文件的格式即可,其余的事情直接交给MapReduce框架进行处理
      

      mapreduce 高级案例倒排索引

      三:根据需求编码实现【倒排索引】的功能,旨在理解mapreduce 的功能。

      3.1 Java的编程代码

      InvertedIndexMapReduce.java
      
      package org.apache.hadoop.studyhadoop.index;
      
      import java.io.IOException;
      
      import org.apache.hadoop.conf.Configuration;
      import org.apache.hadoop.conf.Configured;
      import org.apache.hadoop.fs.Path;
      import org.apache.hadoop.io.IntWritable;
      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.Mapper.Context;
      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.Tool;
      import org.apache.hadoop.util.ToolRunner;
      
      /**
       * 
       * @author zhangyy
       * 
       */
      public class InvertedIndexMapReduce extends Configured implements Tool {
      	// step 1 : mapper
      	/**
      	 * public class Mapper<KEYIN, VALUEIN, KEYOUT, VALUEOUT>
      	 */
      	public static class WordCountMapper extends //
      			Mapper<LongWritable, Text, Text, Text> {
      
      		private Text mapOutputKey = new Text();
      		private Text mapOutputValue = new Text("1");
      
      		@Override
      		public void map(LongWritable key, Text value, Context context)
      				throws IOException, InterruptedException {
      
      			// split1
      			String[] lines = value.toString().split("##");
      			// get url
      			String url = lines[0];
      
      			// split2
      			String[] strs = lines[1].split(" ");
      
      			for (String str : strs) {
      				mapOutputKey.set(str + "," + url);
      				context.write(mapOutputKey, mapOutputValue);
      			}
      
      		}
      	}
      
      	// set combiner class
      	public static class InvertedIndexCombiner extends //
      			Reducer<Text, Text, Text, Text> {
      
      		private Text CombinerOutputKey = new Text();
      		private Text CombinerOutputValue = new Text();
      
      		@Override
      		public void reduce(Text key, Iterable<Text> values, Context context)
      				throws IOException, InterruptedException {
      
      			// split
      			String[] strs = key.toString().split(",");
      
      			// set key
      			CombinerOutputKey.set(strs[0] + "\n");
      
      			// set value
      			int sum = 0;
      			for (Text value : values) {
      				sum += Integer.valueOf(value.toString());
      			}
      
      			CombinerOutputValue.set(strs[1] + ":" + sum);
      
      			context.write(CombinerOutputKey, CombinerOutputValue);
      
      		}
      	}
      
      	// step 2 : reducer
      	public static class WordCountReducer extends //
      			Reducer<Text, Text, Text, Text> {
      
      		private Text outputValue = new Text();
      
      		@Override
      		public void reduce(Text key, Iterable<Text> values, Context context)
      				throws IOException, InterruptedException {
      			// TODO
      
      			String result = new String();
      
      			for (Text value : values) {
      				result += value.toString() + "\t";
      			}
      			
      			outputValue.set(result);
      
      			context.write(key, outputValue);
      		}
      	}
      
      	// step 3 : job
      
      	public int run(String[] args) throws Exception {
      
      		// 1 : get configuration
      		Configuration configuration = super.getConf();
      
      		// 2 : create job
      		Job job = Job.getInstance(//
      				configuration,//
      				this.getClass().getSimpleName());
      		job.setJarByClass(InvertedIndexMapReduce.class);
      
      		// job.setNumReduceTasks(tasks);
      
      		// 3 : set job
      		// input --> map --> reduce --> output
      		// 3.1 : input
      		Path inPath = new Path(args[0]);
      		FileInputFormat.addInputPath(job, inPath);
      
      		// 3.2 : mapper
      		job.setMapperClass(WordCountMapper.class);
      		// TODO
      		job.setMapOutputKeyClass(Text.class);
      		job.setMapOutputValueClass(Text.class);
      
      		// ====================shuffle==========================
      		// 1: partition
      		// job.setPartitionerClass(cls);
      		// 2: sort
      		// job.setSortComparatorClass(cls);
      		// 3: combine
      		job.setCombinerClass(InvertedIndexCombiner.class);
      		// 4: compress
      		// set by configuration
      		// 5 : group
      		// job.setGroupingComparatorClass(cls);
      
      		// ====================shuffle==========================
      
      		// 3.3 : reducer
      		job.setReducerClass(WordCountReducer.class);
      		// TODO
      		job.setOutputKeyClass(Text.class);
      		job.setOutputValueClass(Text.class);
      
      		// 3.4 : output
      		Path outPath = new Path(args[1]);
      		FileOutputFormat.setOutputPath(job, outPath);
      
      		// 4 : submit job
      		boolean isSuccess = job.waitForCompletion(true);
      		return isSuccess ? 0 : 1;
      
      	}
      
      	public static void main(String[] args) throws Exception {
      
      		args = new String[] {
      				"hdfs://:8020/input/index.txt",
      				"hdfs://:8020/outputindex/" 
      				};
      		
      		// get configuration
      		Configuration configuration = new Configuration();
      
      		// configuration.set(name, value);
      
      		// run job
      		int status = ToolRunner.run(//
      				configuration,//
      				new InvertedIndexMapReduce(),//
      				args);
      
      		// exit program
      		System.exit(status);
      	}
      
      }
      
      

      3.2 运行案例测试

      上传文件:
      hdfs dfs -put index.txt /input 
      
      代码运行结果:
      

      mapreduce 高级案例倒排索引 mapreduce 高级案例倒排索引

      输出结果:
      

      mapreduce 高级案例倒排索引

      版权声明:本文内容来自第三方投稿或授权转载,原文地址:https://blog.51cto.com/flyfish225/2096764,作者:flyfish225,版权归原作者所有。本网站转在其作品的目的在于传递更多信息,不拥有版权,亦不承担相应法律责任。如因作品内容、版权等问题需要同本网站联系,请发邮件至ctyunbbs@chinatelecom.cn沟通。

      上一篇:Android第九课 Toast 用法注意事项

      下一篇:cube.js elasticsearch 官方sql 扩展使用

      相关文章

      2025-04-14 08:45:56

      【Hadoop】YARN多资源队列配置及使用实践

      【Hadoop】YARN多资源队列配置及使用实践

      2025-04-14 08:45:56
      ci , hadoop , mapreduce , yarn , 大数据
      2024-06-25 09:51:50

      java:MapReduce原理及入门实例:wordcount

      java:MapReduce原理及入门实例:wordcount

      2024-06-25 09:51:50
      apache , hadoop , mapreduce
      2023-07-24 09:28:34

      MapReduce 概述及核心思想

      MapReduce 概述及核心思想

      2023-07-24 09:28:34
      hadoop , mapreduce , MapReduce
      2023-07-11 08:48:01

      【Hadoop】MapReduce小文件问题解决方案(SequenceFile,MapFile)

      【Hadoop】MapReduce小文件问题解决方案(SequenceFile,MapFile)

      2023-07-11 08:48:01
      hadoop , mapreduce , 大数据
      2023-07-06 09:39:09

      MapReduce 工作流介绍​

      Hadoop系列文章目录1、hadoop3.1.4简单介绍及部署、简单验证2、HDFS操作 - shell客户端3、HDFS的使用(读写、上传、下载、遍历、查找文件、整个目录拷贝、只拷贝文件、列出文件夹下文件、删除文件及目录、获取文件及文件

      2023-07-06 09:39:09
      hadoop , mapreduce
      2023-06-30 08:15:14

      20、MapReduce 工作流介绍

      文章目录Hadoop系列文章目录一、MapReduce 工作流介绍二、使用示例1、实现2、验证 本文介绍MapReduce 工作流。 本文前提:hadoop环境可用。一、MapReduce 工作流介绍多个MR作业,先后依次执行来计算得出

      2023-06-30 08:15:14
      hadoop , mapreduce , 大数据
      2023-06-30 08:14:30

      17、MapReduce的分区Partition介绍

      文章目录Hadoop系列文章目录一、介绍1、数据分区2、Partition默认规则3、分区使用二、示例 本文介绍MR的分区Partition。 本文分为2个部分,即介绍与示例。 前提依赖:hadoop环境可正常使用。一、介绍1、数据分区

      2023-06-30 08:14:30
      hadoop , mapreduce , 大数据
      2023-05-31 08:48:11

      hive 默认队列修改

      目录 一、Ambari 修改hive 默认的任务执行队列 1、Ambari 修改hive 配置项 2、Ambari 修改tez 配置项  3、执行h

      2023-05-31 08:48:11
      hadoop , hive , mapreduce
      2023-04-17 10:55:33

      Hbase导入、导出数据到本地文件

      注意导入

      2023-04-17 10:55:33
      hbase , mapreduce
      2023-02-16 08:53:34

      从hadoop2.2,HBase0.96 mapreduce操作

      2从hbase加载数据到hdfs  3hbase 到hbase

      2023-02-16 08:53:34
      hadoop , mapreduce , apache
      查看更多
      推荐标签

      作者介绍

      天翼云小翼
      天翼云用户

      文章

      33561

      阅读量

      5231358

      查看更多

      最新文章

      hive 默认队列修改

      2023-05-31 08:48:11

      从hadoop2.2,HBase0.96 mapreduce操作

      2023-02-16 08:53:34

      查看更多

      热门文章

      从hadoop2.2,HBase0.96 mapreduce操作

      2023-02-16 08:53:34

      hive 默认队列修改

      2023-05-31 08:48:11

      查看更多

      热门标签

      linux java python javascript 数组 前端 docker Linux vue 函数 shell git 节点 容器 示例
      查看更多

      相关产品

      弹性云主机

      随时自助获取、弹性伸缩的云服务器资源

      天翼云电脑(公众版)

      便捷、安全、高效的云电脑服务

      对象存储

      高品质、低成本的云上存储服务

      云硬盘

      为云上计算资源提供持久性块存储

      查看更多

      随机文章

      从hadoop2.2,HBase0.96 mapreduce操作

      hive 默认队列修改

      • 7*24小时售后
      • 无忧退款
      • 免费备案
      • 专家服务
      售前咨询热线
      400-810-9889转1
      关注天翼云
      • 旗舰店
      • 天翼云APP
      • 天翼云微信公众号
      服务与支持
      • 备案中心
      • 售前咨询
      • 智能客服
      • 自助服务
      • 工单管理
      • 客户公告
      • 涉诈举报
      账户管理
      • 管理中心
      • 订单管理
      • 余额管理
      • 发票管理
      • 充值汇款
      • 续费管理
      快速入口
      • 天翼云旗舰店
      • 文档中心
      • 最新活动
      • 免费试用
      • 信任中心
      • 天翼云学堂
      云网生态
      • 甄选商城
      • 渠道合作
      • 云市场合作
      了解天翼云
      • 关于天翼云
      • 天翼云APP
      • 服务案例
      • 新闻资讯
      • 联系我们
      热门产品
      • 云电脑
      • 弹性云主机
      • 云电脑政企版
      • 天翼云手机
      • 云数据库
      • 对象存储
      • 云硬盘
      • Web应用防火墙
      • 服务器安全卫士
      • CDN加速
      热门推荐
      • 云服务备份
      • 边缘安全加速平台
      • 全站加速
      • 安全加速
      • 云服务器
      • 云主机
      • 智能边缘云
      • 应用编排服务
      • 微服务引擎
      • 共享流量包
      更多推荐
      • web应用防火墙
      • 密钥管理
      • 等保咨询
      • 安全专区
      • 应用运维管理
      • 云日志服务
      • 文档数据库服务
      • 云搜索服务
      • 数据湖探索
      • 数据仓库服务
      友情链接
      • 中国电信集团
      • 189邮箱
      • 天翼企业云盘
      • 天翼云盘
      ©2025 天翼云科技有限公司版权所有 增值电信业务经营许可证A2.B1.B2-20090001
      公司地址:北京市东城区青龙胡同甲1号、3号2幢2层205-32室
      • 用户协议
      • 隐私政策
      • 个人信息保护
      • 法律声明
      备案 京公网安备11010802043424号 京ICP备 2021034386号