MapReduce Java API实例-统计出现过的单词

场景

MapReduce Java API实例-统计单词出现频率：

https://blog.csdn.net/BADAO_LIUMANG_QIZHI/article/details/119410169

在上面是统计出现过的单词以及出现的次数。

如果只是从中统计出现过的单词，即类似于求单词集合的并集的效果。

注：

博客：
https://blog.csdn.net/badao_liumang_qizhi
关注公众号
霸道的程序猿
获取编程相关电子书、教程推送与免费下载。

实现

与统计单词频率相比，只是将最终结果的出现次数去掉，因此只需将WorldCount

中reduce函数输出value的值设置为NullWriable即可，同时将Job的OutputValue

类型设置为NullWritable。

1、数据集修改如下：

2、新建map

package com.badao.worldunion;


import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;
import java.util.StringTokenizer;

public class WorldUnionMapper extends Mapper<Object,Text,Text,IntWritable> {
    //1、编写map函数，通过继承Mapper类实现里面的map函数
    //   Mapper类当中的第一个函数是Object,也可以写成Long
    //   第一个参数对应的值是行偏移量

    //2、第二个参数类型通常是Text类型，Text是Hadoop实现的String 类型的可写类型
    //   第二个参数对应的值是每行字符串

    //3、第三个参数表示的是输出key的数据类型

    //4、第四个参数表示的是输出value的数据类型，IntWriable 是Hadoop实现的int类型的可写数据类型

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

    //key 是行偏移量
    //value是每行字符串
    @Override
    public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        StringTokenizer stringTokenizer = new StringTokenizer(value.toString());
        while (stringTokenizer.hasMoreTokens())
        {
            //stringTokenizer.nextToken()是字符串类型，使用set函数完成字符串到Text数据类型的转换
            word.set(stringTokenizer.nextToken());
            //通过write函数写入到本地文件
            context.write(word,one);
        }
    }
}

3、新建reduce

package com.badao.worldunion;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;


//第一个参数类型是输入值key的数据类型，map中间输出key的数据类型
//第二个参数类型是输入值value的数据类型，map中间输出value的数据类型
//第三个参数类型是输出值key的数据类型，他的数据类型要跟job.setOutputKeyClass(Text.class) 保持一致
//第四个参数类型是输出值value的数据类型，它的数据类型要跟job.setOutputValueClass(IntWriable.class) 保持一致

public class WordUnionReducer extends Reducer<Text, IntWritable,Text, NullWritable> {

    public IntWritable result = new IntWritable();


    //key就是单词  values是单词出现频率列表
    @Override
    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {

        NullWritable a = null;
        context.write(key,a);
    }
}

4、新建job

package com.badao.worldunion;


import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;

import java.io.IOException;

public class WorldUnionJob {
    public static void main(String[] args) throws InterruptedException, IOException, ClassNotFoundException {
        wordCountLocal();
    }

    public static void wordCountLocal()throws IOException, ClassNotFoundException, InterruptedException
    {
        Configuration conf = new Configuration();
        //实例化一个作业，word count是作业的名字
        Job job = Job.getInstance(conf, "wordunion");
        //指定通过哪个类找到对应的jar包
        job.setJarByClass(WorldUnionJob.class);
        //为job设置Mapper类
        job.setMapperClass(WorldUnionMapper.class);
        //为job设置reduce类
        job.setReducerClass(WordUnionReducer.class);
        //设置map的输出 value的数据类型
        job.setMapOutputValueClass(IntWritable.class);
        //为job的输出数据设置key类
        job.setOutputKeyClass(Text.class);
        //为job输出设置value类
        job.setOutputValueClass(NullWritable.class);
        //为job设置输入路径，输入路径是存在的文件夹/文件
        FileInputFormat.addInputPath(job,new Path("D:\wordsunion.txt"));
        //为job设置输出路径
        FileOutputFormat.setOutputPath(job,new Path("D:\worldunion4"));
        job.waitForCompletion(true);
    }


}

运行job查看结果