hadoop - 在文本文件上执行多个操作，但将其作为单个HADOOP作业执行的正确方法是什么

Question

我想对单个文本文件执行一些操作。

例如:
任务1:计算所有单词

任务2:计算以特定字符结尾的单词

任务3:计算多次出现的单词。

实现此目标的最佳方法是什么？

我需要编写多个映射器和多个reducer吗？多个映射器和单个Reducer？或者如果我们可以使用单个映射器和化简器来实现

如果有人可以提供一个编程示例，那就太好了。

Answer 1

使用计数器来计算您要寻找的东西。 MapReduce完成后，只需获取驱动程序类中的计数器。

例如可以在映射器中计算以“z”或“Z”开头的和单词数

public class WordCountMapper extends Mapper <Object, Text, Text, IntWritable> {

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    @Override
    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()) {
            String hasKey = itr.nextToken();
            word.set(hasKey);
            context.getCounter("my_counters", "TOTAL_WORDS").increment(1);
            if(hasKey.toUpperCase().startsWith("Z")){
            context.getCounter("my_counters", "Z_WORDS").increment(1);
            }
            context.write(word, one);
        }
    }
}

不同单词和 words appearing less than 4 times的数量可以在化简计数器中计数。

public class WordCountReducer extends Reducer <Text, IntWritable, Text, IntWritable> {

    @Override
    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int wordCount= 0;
        context.getCounter("my_counters", "DISTINCT_WORDS").increment(1);
        for (IntWritable val : values){
            wordCount += val.get();
        }
        if(wordCount < 4{
           context.getCounter("my_counters", "WORDS_LESS_THAN_4").increment(1);
        }
    }
}

在Driver类中，获取计数器。以下代码位于您提交作业的行之后

CounterGroup group = job.getCounters().getGroup("my_counters");

for (Counter counter : group) {
   System.out.println(counter.getName() + "=" + counter.getValue());
}