mapreduce中怎么实现K-M类聚,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
首先是map
public static class KMmap extends Mapper<LongWritable, Text, IntWritable, Text>{ //中心集合 //这里的聚簇集合是自己设定的 centersPath就是集合在hdfs中存放的路径 ArrayList<ArrayList<Double>> centers = null; //用k个中心 int k = 0; //读取中心 protected void setup(Context context)throws IOException, InterruptedException { //getCentersFromHDFS方法就是传入一个Path,得到一个ArrayList<ArrayList<Double>>集合 centers = Utils.getCentersFromHDFS(context.getConfiguration().get("centersPath"),false); k = centers.size(); } /** * 1.每次读取一条要分类的条记录与中心做对比,归类到对应的中心 * 2.以中心ID为key,中心包含的记录为value输出(例如: 1 0.2 。 1为聚类中心的ID,0.2为靠近聚类中心的某个值) */ @Override protected void map(LongWritable key, Text value,Context context) throws IOException, InterruptedException { ArrayList<Double> fileds = Utils.textToArray(value); //textToArray方法将map进来的一行value根据“,”分割后转化为ArrayList<Double>的集合 int sizeOfFileds = fileds.size(); double minDistance = 99999999; int centerIndex = 0; //依次取出k个中心点与当前读取的记录做计算 for(int i=0;i<k;i++){ double currentDistance = 0; for(int j=0;j<sizeOfFileds;j++){ //centers中存放的是中心点集合 //fileds中存放的是被分析数据的每行的数据集合 double centerPoint = Math.abs(centers.get(i).get(j)); double filed = Math.abs(fileds.get(j)); //根据类聚的公式先对[(h-k)/(h+k)]²累加 currentDistance += Math.pow((centerPoint - filed) / (centerPoint + filed), 2); } //循环找出距离该记录最接近的中心点的ID if(currentDistance<minDistance){ minDistance = currentDistance; centerIndex = i; } } //以中心点为Key 将记录原样输出 context.write(new IntWritable(centerIndex+1), value); } }
reduce
//利用reduce的归并功能以中心为Key将记录归并到一起 public static class KMreduce extends Reducer<IntWritable, Text, Text, Text>{ /** * 1.Key为聚类中心的ID value为该中心的记录集合 * 2.计数所有记录元素的平均值,求出新的中心 */ protected void reduce(IntWritable key, Iterable<Text> values, Context context)throws IOException, InterruptedException { ArrayList<ArrayList<Double>> filedsList = new ArrayList<ArrayList<Double>>(); //依次读取记录集,每行为一个ArrayList<Double> for(Iterator<Text> it = values.iterator();it.hasNext();){ ArrayList<Double> tempList = Utils.textToArray(it.next()); filedsList.add(tempList); } //计算新的中心 //每行的元素个数 int filedSize = filedsList.get(0).size(); double[] avg = new double[filedSize]; for(int i=0;i<filedSize;i++){ //求每列的平均值 double sum = 0; int size = filedsList.size(); for(int j=0;j<size;j++){ sum += filedsList.get(j).get(i); } avg[i] = sum/size; } context.write(new Text(""), new Text((Arrays.toString(avg).replace("[", "").replace("]", "")))); } }
最后是其中所用到的util类,主要是提供一些读取文件和操作字符串的方法
public class Utils { //读取中心文件的数据 public static ArrayList<ArrayList<Double>> getCentersFromHDFS(String centersPath,boolean isDirectory) throws IOException{ ArrayList<ArrayList<Double>> result = new ArrayList<ArrayList<Double>>(); Path path = new Path(centersPath); Configuration conf = new Configuration(); FileSystem fileSystem = path.getFileSystem(conf); if(isDirectory){ FileStatus[] listFile = fileSystem.listStatus(path); for (int i = 0; i < listFile.length; i++) { result.addAll(getCentersFromHDFS(listFile[i].getPath().toString(),false)); } return result; } FSDataInputStream fsis = fileSystem.open(path); LineReader lineReader = new LineReader(fsis, conf); Text line = new Text(); while(lineReader.readLine(line) > 0){ ArrayList<Double> tempList = textToArray(line); result.add(tempList); } lineReader.close(); return result; } //删掉文件 public static void deletePath(String pathStr) throws IOException{ Configuration conf = new Configuration(); Path path = new Path(pathStr); FileSystem hdfs = path.getFileSystem(conf); hdfs.delete(path ,true); } public static ArrayList<Double> textToArray(Text text){ ArrayList<Double> list = new ArrayList<Double>(); String[] fileds = text.toString().split("\t"); for(int i=0;i<fileds.length;i++){ list.add(Double.parseDouble(fileds[i])); } return list; } public static boolean compareCenters(String centerPath,String newPath) throws IOException{ List<ArrayList<Double>> oldCenters = Utils.getCentersFromHDFS(centerPath,false); List<ArrayList<Double>> newCenters = Utils.getCentersFromHDFS(newPath,true); int size = oldCenters.size(); int fildSize = oldCenters.get(0).size(); double distance = 0; for(int i=0;i<size;i++){ for(int j=0;j<fildSize;j++){ double t1 = Math.abs(oldCenters.get(i).get(j)); double t2 = Math.abs(newCenters.get(i).get(j)); distance += Math.pow((t1 - t2) / (t1 + t2), 2); } } if(distance == 0.0){ //删掉新的中心文件以便最后依次归类输出 Utils.deletePath(newPath); return true; }else{ //先清空中心文件,将新的中心文件复制到中心文件中,再删掉中心文件 Configuration conf = new Configuration(); Path outPath = new Path(centerPath); FileSystem fileSystem = outPath.getFileSystem(conf); FSDataOutputStream overWrite = fileSystem.create(outPath,true); overWrite.writeChars(""); overWrite.close(); Path inPath = new Path(newPath); FileStatus[] listFiles = fileSystem.listStatus(inPath); for (int i = 0; i < listFiles.length; i++) { FSDataOutputStream out = fileSystem.create(outPath); FSDataInputStream in = fileSystem.open(listFiles[i].getPath()); IOUtils.copyBytes(in, out, 4096, true); } //删掉新的中心文件以便第二次任务运行输出 Utils.deletePath(newPath); } return false; } }
关于mapreduce中怎么实现K-M类聚问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注亿速云行业资讯频道了解更多相关知识。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。