Hadoop倒排索引的实现与完整代码报告
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本报告详细探讨了Hadoop环境下高效构建倒排索引的方法，并提供了完整的编码示例和相关技术细节。
Map 和 Reduce 的设计思路（包含 Map、Reduce 阶段的 K、V 类型）的基本要求与排序因两者代码具有关联性而放在一起讨论。
首先，在基本要求中，对于输入文件中的每一句进行切割，将单词和文件名作为 key，并且对每个词设置词频 1。接下来在 combiner 中，统计每个单词的 value 并加起来为 sum，并把原来 key 中的文件名剥离出来与 sum 合并为新的 value（text），同时把单词设为 key（text）。最后，在 reduce 阶段中，对每个词的 value 使用“：”和“.”进行分割，抽取每个文件中的出现次数，统计出现的文件个数，并计算出词频加入到 value 的前面作为新的 value。key 保持不变并将结果输入临时文件。
新建一个排序 job 将临时文件作为输入，在其 map 中将每一行切割后，把词频设为 key（double），其他信息作为 value（包含文件名等）。此外重载 DoubleWritableDecreasingComparator 类进行从小到大排序之后输出。
全部评论 (0)
还没有任何评论哟~
