本篇教程探讨了大数据技术学习笔记（11）倒排索引，希望阅读本篇文章以后大家有所收获，帮助大家对大数据技术的理解更加深入。

<

一.介绍及数据准备

把文件ID对应到关键词的映射转换为关键词到文件ID的映射，每个关键词都对应着一系列的文件，这些文件中都出现这个关键词。

参考博客：https://www.cnblogs.com/zlslch/p/6440114.html

1.建立一个文件夹

hdfs dfs -mkdir /indexdata

2.在文件夹下建立三个文件，准备数据：

data01.txt:I love Beijing and love China

data02.txt:I love China

data03.txtx:Beijing is the capital of China

3.推送到hdfs

hdfs dfs -put data0*.txt /indexdata

二.分析倒排索引的数据处理流程

RevertedIndexMapper.java
复制代码

package demo.reveredindex;

import java.io.IOException;

import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;

public class RevertedIndexMapper extends Mapper<LongWritable, Text, Text, Text> {

    @Override
    protected void map(LongWritable key1, Text value1, Context context)
            throws IOException, InterruptedException {
        //得到数据来自于哪个文件 /myindexdata/data01.txt
        String path = ((FileSplit)context.getInputSplit()).getPath().toString();
        //得到最后一个斜线的位置
        int index = path.lastIndexOf("/");
        
        //得到文件名
        String fileName = path.substring(index+1);
        
        // 数据：I love Beijing and love Shanghai
        String data = value1.toString();
        //分词
        String[] words = data.split(" ");
        
        //输出：I:data01.txt  1
        for (String w : words) {
            context.write(new Text(w+":"+fileName), new Text("1"));
        }
    }
}

复制代码

RevertedIndexCombiner.java
复制代码

package demo.reveredindex;

import java.io.IOException;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class RevertedIndexCombiner extends Reducer<Text, Text, Text, Text> {

    @Override
    protected void reduce(Text k21, Iterable<Text> v21, Context context)
            throws IOException, InterruptedException {
        // 求和：对一个文件中的某个单词进行求和
        long total = 0;
        for (Text t : v21) {
            total = total + Long.parseLong(t.toString());
        }
        
        //k21: love:data01.txt
        String str = k21.toString();
        //得到冒号的位置
        int index = str.indexOf(":");
        //单词
        String word = str.substring(0, index);
        //文件名
        String fileName = str.substring(index+1);
        
        //输出
        context.write(new Text(word), new Text(fileName+":"+total));
    }
}

复制代码

RevertedIndexReducer.jaja
复制代码

package demo.reveredindex;

import java.io.IOException;

import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class RevertedIndexReducer extends Reducer<Text, Text, Text, Text> {

    @Override
    protected void reduce(Text k3, Iterable<Text> v3, Context context)
            throws IOException, InterruptedException {
        //对combiner数据value:拼加
        String string = "";
        
        for (Text t : v3) {
            string = "("+t.toString()+")"+string;
        }
        
        //输出
        context.write(k3, new Text(string));
    }    
}

复制代码

RevertedIndexMain.java
复制代码

package demo.reveredindex;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class RevertedIndexMain {

    public static void main(String[] args) throws Exception {
        Job job = Job.getInstance(new Configuration());
        job.setJarByClass(RevertedIndexMain.class);
        
        //Mapper ： k2 v2
        job.setMapperClass(RevertedIndexMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);
        
        //Combiner
        job.setCombinerClass(RevertedIndexCombiner.class);
        //Reducer k4  v4
        job.setReducerClass(RevertedIndexReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        //输入输出路径
        FileInputFormat.setInputPaths(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        
        //ִ执行
        job.waitForCompletion(true);
    }

}

复制代码

运行：

hadoop jar temp/c1.jar /indexdata /output/day0310/c1

console:    

本文由职坐标整理发布，学习更多的大数据技术相关知识，请关注职坐标大技术云计算大技术技术频道！