【Mapreduce】去除重复的行

来源：互联网发布：数控机床螺纹编程实例编辑：程序博客网时间：2024/05/16 15:48

基于《【Mapreduce】以逗号为分隔符的WordCount词频统计》（点击打开链接）中Mapreduce的处理过程，由于Mapreduce会在Map~reduce中，将重复的Key合并在一起，所以Mapreduce很容易就去除重复的行。

Map无须做任何处理，设置Map中写入context的东西为不作任何处理的行，也就是Map中最初处理的value即可，

而Reduce同样无须做任何处理，写入输出文件的东西就是，最初得到的Key，

因此其代码比WordCount还要简单，具体如下：

import java.io.IOException;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.IntWritable;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.GenericOptionsParser;public class MyMapReduce {public static class MyMapper extendsMapper<Object, Text, Text, IntWritable> {public void map(Object key, Text value, Context context)throws IOException, InterruptedException {context.write(value, new IntWritable());// 这里不能为NULL，只能是new// IntWritable()，不然会报空指针异常}}public static class MyReducer extendsReducer<Text, IntWritable, Text, IntWritable> {public void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {context.write(key, null);// 这里则可以是为null，写入文件的value值为空，也就就是什么都不写，只写键}}public static void main(String[] args) throws Exception {Configuration conf = new Configuration();String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();if (otherArgs.length != 2) {System.err.println("Usage: wordcount <in> <out>");System.exit(2);}Job job = new Job(conf, "");job.setMapperClass(MyMapper.class);job.setReducerClass(MyReducer.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(otherArgs[0]));FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}}

以下是输入文件：

以下是输出文件：

0 0