欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Chapter04 编写基本的MapReduce程序(一) 专利数据集实战一

程序员文章站 2022-03-05 12:17:29
...

获取专利数据集的网站:http://www.nber.org/patents/

需要下载的数据集:pat63_99.txt和Cite75_99.txt

专利引用数据的格式如下,采用逗号分隔

Chapter04 编写基本的MapReduce程序(一) 专利数据集实战一

专利描述数据集,各个字段的意义:

Chapter04 编写基本的MapReduce程序(一) 专利数据集实战一

大体的程序如下所示:

package cn.edu.hust.job;

import java.io.IOException;
import java.util.Iterator;
import java.util.Map;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.KeyValueTextInputFormat;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

public class MyJob extends Configured implements Tool {

	public static class MapClass extends MapReduceBase implements Mapper<Text,Text,Text,Text>
	{

		public void map(Text key, Text value, OutputCollector<Text, Text> collect,
				Reporter report) throws IOException {
			collect.collect(value, key);
		}
		
	}
	
	
	public static class ReducerClass extends  MapReduceBase implements Reducer<Text, Text, Text, Text>
	{

		public void reduce(Text key, Iterator<Text> values,
				OutputCollector<Text, Text> collect, Reporter report)
				throws IOException {
			String csv="";
			while(values.hasNext())
			{
				if (csv.length()>0) {
					csv+=",";
				}
				csv=values.next().toString();
			}
			collect.collect(key, new Text(csv));
		}
		
	}
	
	
	//核心
	public int run(String[] arg0) throws Exception {
		//创建一个作业
		Configuration conf=getConf();
		JobConf jobConf=new JobConf(conf,MyJob.class);
		//设置输入输出路径
		Path in=new Path(arg0[0]);
		Path out=new Path(arg0[1]);
		FileInputFormat.setInputPaths(jobConf,in);
		FileOutputFormat.setOutputPath(jobConf, out);
		//设置mapper、reducer对象
		jobConf.setJobName("MyJob");
		jobConf.setMapperClass(MapClass.class);
		jobConf.setReducerClass(ReducerClass.class);
		
		//指定K1、V1的数据格式
		jobConf.setInputFormat(KeyValueTextInputFormat.class);
		jobConf.setOutputFormat(TextOutputFormat.class);
		//指定K2、V2的数据格式
		jobConf.setOutputKeyClass(Text.class);
		jobConf.setOutputValueClass(Text.class);
		jobConf.set("key.value.separator.in.input.line", ",");
		
		//启动MapReduce作业
		JobClient.runJob(jobConf);
		
		return 0;
	}
	
	public static void main(String[] args) throws Exception {
		int res=ToolRunner.run(new Configuration(), new MyJob(), args);
		System.exit(res);
	}

}

运行的过程:

Chapter04 编写基本的MapReduce程序(一) 专利数据集实战一

得到的部分结果:

Chapter04 编写基本的MapReduce程序(一) 专利数据集实战一