hadoop实现文档倒排

关于文档倒排的做法和解释，可以参考这篇博客，写的非常详细：
http://blog.csdn.net/x_i_y_u_e/article/details/45077389

但是本人在写的时候，还是遇到了一下问题，就是关于Job和JobConf这两个如何使用，以及Job无法传入参数给FileOutFarmat(),
如下：
https://zhidao.baidu.com/question/331122909420488445.html

很多类在mapred和mapreduce中分别都有定义，其中mapred是老的API 而mapreduce是新的API：
public class MyJob extends Configured implements Tool
{

public static class MapClass extends MapReduceBase implements Mapper{//    public void map(Text key, Text value, OutputCollector output, Reporter reporter) throws IOException    {        output.collect(value, key);    }}public static class Reduce extends MapReduceBase implements Reducer{    @Override    public void reduce(Text key, Iterator values, OutputCollector output, Reporter reporter)     throws IOException    {        String csv = "";        while (values.hasNext())        {            csv += csv.length() > 0 ? "," : "";            csv += values.next().toString();                        }        output.collect(key, new Text(csv));    }}@Overridepublic int run(String[] args) throws Exception{    Configuration conf = getConf();    JobConf  job = new JobConf(conf, MyJob.class); //JobConf job = new JobConf(conf, MyJob.class);    Path in = new Path(args[0]);    Path out = new Path(args[1]);    FileInputFormat.setInputPaths(job, in);    FileOutputFormat.setOutputPath(job, out);    job.setJobName("MyJob");    job.setMapperClass(MapClass.class);    job.setReducerClass(Reduce.class);    job.setInputFormat(KeyValueTextInputFormat.class);    job.setOutputFormat(TextOutputFormat.class);    job.setOutputKeyClass(Text.class);    job.setOutputValueClass(Text.class);    job.set("key.value.separator.in.input.line", ",");    JobClient.runJob(job);    return 0;}

public static void main(String[] args) throws Exception
{
// TODO Auto-generated method stub
int res = ToolRunner.run(new Configuration(), new MyJob(), args);
System.exit(res);
}
}

上面代码中的Jobconf无可厚非，只有在mapred包中有定义，这个没问题。
但是FileInputFormat和FileOutputFormat在mapred和mapreduce中都有定义，刚开始脑海里对这些都没有概念，就引用了mapreduce中的FileInputFormat和FIleOutputFormat。
这样操作就带来了后面的问题
FileInputFormat.setInputPaths(job, in);
FileOutputFormat.setOutputPath(job, out);

这两条语句不能通过编译，为什么呢，因为FileInputFormat.setInputPaths和FileOutputFormat.setOutputPath的第一个参数都是Job，而不是JobConf，找了很多资料，由于对hadoop了解少，所以找资料没有方向感，这也是学习新东西效率低下的原因，如果有哪位大牛，知道怎么克服效率低下的问题，请不吝赐教！
后来，无意中，看到mapred包中也有这两个类的定义，于是火箭速度修改为mapred下的包，OK，顺利通过编译！
下面还有 job.setOutputFormat(TextOutputFormat.class);语句编译不同通过，提示参数需要扩展。。。的参数；于是小菜也去mapred下面查找是否存在此类，正如期望，也存在此类，当即立段，修改为此包下的类，顺利编译通过，此时，颇有成就感！

可是现在小菜发现，mapred包下和mapreduce包下同时都存在又相应的类，不知道是为什么，那么下面就有目标的请教搜索引擎啦，呵呵，比刚才有很大进步。
结果令小菜很失望，就找到了一个符合理想的帖子。但是通过这个帖子，小菜知道了，mapred代表的是hadoop旧API，而mapreduce代表的是hadoop新的API。
OK，小菜在google输入框中输入“hadoop新旧API的区别”，结果很多。看了之后，又结合权威指南归结如下：
1. 首先第一条，也是小菜今天碰到这些问题的原因，新旧API不兼容。所以，以前用旧API写的hadoop程序，如果旧API不可用之后需要重写，也就是上面我的程序需要重写，如果旧API不能用的话，如果真不能用，这个有点儿小遗憾！
2. 新的API倾向于使用抽象类，而不是接口，使用抽象类更容易扩展。例如，我们可以向一个抽象类中添加一个方法(用默认的实现)而不用修改类之前的实现方法。因此，在新的API中，Mapper和Reducer是抽象类。
3. 新的API广泛使用context object(上下文对象)，并允许用户代码与MapReduce系统进行通信。例如，在新的API中，MapContext基本上充当着JobConf的OutputCollector和Reporter的角色。
4. 新的API同时支持”推”和”拉”式的迭代。在这两个新老API中，键/值记录对被推mapper中，但除此之外，新的API允许把记录从map()方法中拉出，这也适用于reducer。分批处理记录是应用”拉”式的一个例子。
5. 新的API统一了配置。旧的API有一个特殊的JobConf对象用于作业配置，这是一个对于Hadoop通常的Configuration对象的扩展。在新的API中，这种区别没有了，所以作业配置通过Configuration来完成。作业控制的执行由Job类来负责，而不是JobClient，并且JobConf和JobClient在新的API中已经荡然无存。这就是上面提到的，为什么只有在mapred中才有Jobconf的原因。
6. 输出文件的命名也略有不同，map的输出命名为part-m-nnnnn，而reduce的输出命名为part-r-nnnnn，这里nnnnn指的是从0开始的部分编号。

这样了解了二者的区别就可以通过程序的引用包来判别新旧API编写的程序了。建议最好用新的API编写hadoop程序，以防旧的API被抛弃！！！

另外，hadoop2.7.1的web ui是在8088，和19888这两个端口下查看，在50070下面找不到。。