hadoop - Mapreduce WordCount 示例给出错误的输出

Question

我正在尝试学习 mapreduce。从 WordCount 示例开始时，如 MapReduce WordCount 所示，当我在 eclipse 中执行代码时，它的输出是正确的字数。 I/p 文件内容如下:-

Hello World Bye World

它的输出是

Bye 1

Hello 1

World 2

之后，我通过将输入文件中每个单词后的空格替换为逗号来测试代码。

现在我已将输入恢复为与以前相同，但现在输出中的 WordCount 是预期结果的两倍。

Bye 2

Hello 2

World 4

我的代码如下:

public static class TokenizerMapper extends Mapper<Object, Text, Text,IntWritable>{
    public 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[] str) throws Exception{
    Configuration conf = new Configuration();
    Job job = Job.getInstance(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(str[0]));
   FileOutputFormat.setOutputPath(job,new Path(str[1]));
   
   System.exit(job.waitForCompletion(true) ? 0 : 1);
    
    
}

任何人都可以解释一下 Reducer Method 中每个词的值是如何分组的，因为它对特定词的每个值求和。它检查同一个词是否有两个计数。

谢谢

Answer 1

必须将输入文件夹作为输入路径，其中必须有两个内容相同的文件，这可能是重复计数的原因