MapReduce实战项目：查找相同字母组成的字谜

实战项目：查找相同字母组成的字谜

项目需求：一本英文书籍中包含有成千上万个单词或者短语，现在我们要从中找出相同字母组成的所有单词。

数据集和期望结果举例：

思路分析：

　　1）在Map阶段，对每个word按字母进行升序（或降序）排序生成sortWord，然后输出key/value键值对（sortWord, word）。

　　2）在Reduce阶段，统计出每组根据相同字母组成的所有anahrams（字谜）。

 项目代码：

/**
 * 
 */
package com.hadoop.train;

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

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

/**
 * @author Zimo
 * 统计相同字母组成的所有单词
 * 1、编写Map()函数
 * 2、编写Reduce()函数
 * 3、编写run()函数
 * 4、编写main()方法
 */
public class Anagram extends Configured implements Tool {

    public static class AnagramMapper extends Mapper<LongWritable, Text, Text, Text> {
        
        private Text sortedText = new Text();
        private Text orginalText = new Text();
        public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            
            //将单词转换为字符串，然后存入字符数组
            String word = value.toString();
            char[] wordChars = word.toCharArray();
            //排序
            Arrays.sort(wordChars);
            //将排好序的字符数组转换为字符串类型，此时为一个Word按其字母排序后组成的另一个Word，然后存入sortedText中
            String sortedWord = new String(wordChars);
            sortedText.set(sortedWord);
            //将原始字母存入orginalText
            orginalText.set(word);
            
            context.write(sortedText, orginalText);
        }
    }
    
    public static class AnagramReducer extends Reducer<Text, Text, Text, Text> {
        
        public void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
            //将相同字母组成的单词用"~"符号链接起来
            String output = "";
            for(Text anagram:values) {
                if (!output.equals("")) {
                    output = output + "~";
                }
                output += anagram.toString();
            }
            
            StringTokenizer outputTokenizer = new StringTokenizer(output, "~");
            //过滤掉只有一个字母的单词
            if (outputTokenizer.countTokens() >= 2) {
                output = output.replaceAll("~", ",");
                
                context.write(key, new Text(output));
            }
        }
    }
    
    /**
     * @param args
     * @throws Exception 
     */
    public static void main(String[] args) throws Exception {
        // TODO Auto-generated method stub

        String[] args0 = {args[0], args[1]};
        int ec = ToolRunner.run(new Configuration(), new Anagram(), args0);//运行返回值
        System.exit(ec);
        
    }

    @Override
    public int run(String[] arg0) throws Exception {
        // TODO Auto-generated method stub
        
        //加载配置文件
        Configuration conf = new Configuration();
        
        //判断输出路径是否存在，存在则删除
        Path myPath = new Path(arg0[1]);
        FileSystem hdfs = myPath.getFileSystem(conf);
        if (hdfs.isDirectory(myPath)) {
            hdfs.delete(myPath, true);
        }
        
        //构造Job对象
        Job job = new Job(conf, "anagram");
        
        //设置主类
        job.setJarByClass(Anagram.class);
        
        //设置输入输出路径
        FileInputFormat.addInputPath(job, new Path(arg0[0]));
        FileOutputFormat.setOutputPath(job, new Path(arg0[1]));
        
        job.setMapperClass(AnagramMapper.class);
        job.setReducerClass(AnagramReducer.class);

        //设置key和value类型
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        
        //提交作业
        job.waitForCompletion(true);
        
        return 0;
    }

}

　　将项目导出为JAR包，上传到Hadoop集群，然后执行命令：

　hadoop jar Anagram.jar com.hadoop.train.Anagram /anagram /anagram/output //为了格式在命令前加上了空格，用的时候请去掉

运行结果：

 　　

以上就是博主为大家介绍的这一板块的主要内容，这都是博主自己的学习过程，希望能给大家带来一定的指导作用，有用的还望大家点个支持，如果对你没用也望包涵，有错误烦请指出。如有期待可关注博主以第一时间获取更新哦，谢谢！

 

 版权声明：本文为博主原创文章，未经博主允许不得转载。