MapReduce中怎么实现倒排索引

今天就跟大家聊聊有关MapReduce中怎么实现倒排索引，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

需求: 为a, b, c 3个文本文件中的单词建倒排索引

输出格式: <word,"a:2,b:3,c:1">

a:

hello world
hello hadoop
hello world

b:

spark hadoop
hello hadoop
world hadoop

c:

spark world
hello world
hello spark

map阶段

context.write("hello:a","1")
context.write("hello:a","1")
context.write("hello:a","1")

map阶段输出: <"hello:a",{1,1,1}>

combine阶段

context.write("hello","a:3");
context.write("hello","b:1");
context.write("hello","c:2");

combine阶段输出: <"hello",{"a:3","b:1","c:2"}>

reduce阶段

context.write("hello","a:3,b:1,c:2");

reduce阶段输出: <"hello","a:3,b:1,c:2">

定义Mapper类, 该类继承org.apache.hadoop.mapreduce.Mapper

并重写map()方法

public class IIMapper extends Mapper<LongWritable, Text, Text, Text> {
  @Override
  protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
   String line = value.toString();
   String[] words = StringUtils.split(line, " ");
   // 从context中获取文件切片inputSplit
   FileSplit inputSplit = (FileSplit) context.getInputSplit();
   // 从inputSplit中获取文件的绝对路径path
   String path = inputSplit.getPath().toString();
   int index = path.lastIndexOf("/");
   // 从path中截取文件名
   String fileName = path.substring(index + 1);
   for (String word : words) {
    context.write(new Text(word + ":" + fileName), new Text("1"));
   }
   // map输出结果 <"hello:a",{1,1,1}>
  }
 }

定义Combiner类, 该类继承org.apache.hadoop.mapreduce.Reducer

combine阶段是map阶段和reduce阶段的中间过程

并重写reduce()方法

 public class IICombiner extends Reducer<Text, Text, Text, Text> {
  @Override
  protected void reduce(Text key, Iterable<Text> values, Context context)
    throws IOException, InterruptedException {
   String[] data = key.toString().split(":");
   String word = data[0];
   String fileName = data[1];
   int count = 0;
   for (Text value : values) {
    count += Integer.parseInt(value.toString());
   }
   context.write(new Text(word), new Text(fileName + ":" + count));
   // combine输出结果 <"hello",{"a:3","b:1","c:2"}>
  }
 }

定义Reducer类, 该类继承org.apache.hadoop.mapreduce.Reducer

并重写reduce()方法

 public class IIReducer extends Reducer<Text, Text, Text, Text> {
  @Override
  protected void reduce(Text key, Iterable<Text> values, Context context)
    throws IOException, InterruptedException {
   StringBuilder sb = new StringBuilder();
   for (Text value : values) {
    sb.append(value.toString() + "\t");
   }
   context.write(key, new Text(sb.toString()));
   // reduce输出结果 <"hello","a:3,b:1,c:2">
  }
 }

测试倒排索引

 public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
  Job job = Job.getInstance(new Configuration());
  job.setJarByClass(InverseIndexRunner.class);    // 设置job的主类
  job.setMapperClass(IIMapper.class);    // 设置Mapper类
  job.setCombinerClass(IICombiner.class);    // 设置Combiner类
  job.setReducerClass(IIReducer.class);    // 设置Reducer类
  job.setMapOutputKeyClass(Text.class);    // 设置map阶段输出Key的类型
  job.setMapOutputValueClass(Text.class);    // 设置map阶段输出Value的类型
  job.setOutputKeyClass(Text.class);    // 设置reduce阶段输出Key的类型
  job.setOutputValueClass(Text.class);    // 设置reduce阶段输出Value的类型
  // 设置job输入路径(从main方法参数args中获取)
  FileInputFormat.setInputPaths(job, new Path(args[0]));
  // 设置job输出路径(从main方法参数args中获取)
  FileOutputFormat.setOutputPath(job, new Path(args[1]));
  job.waitForCompletion(true);    // 提交job
 }

job输出的结果文件:

hadoop    a:1 b:3 
hello    b:1 c:2 a:3 
spark    b:1 c:2 
world    c:2 b:1 a:2

看完上述内容，你们对MapReduce中怎么实现倒排索引有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。