Hadoop 如何设计MapReduce伪代码来计算单词出现的文档数？

我需要知道这个问题的答案，但我需要一些帮助，因为我想不出答案。谢谢你抽出时间

如何修改映射器函数，以便程序计算每个不同单词的文档频率（即包含该单词的文档数量）

我的解决方案，但我不知道它是否正确

 class MAPPER
 method MAP(docid i, doc d)
   for all term t ∈ doc d do
     for all document d ∈ doc d do
      EMIT(term t, count + 1)

---

我希望以下步骤可以帮助您。我只是简单地告诉你这个想法，你可以把它转换成一个算法

• 首先，您必须找到正在进行的输入拆分的文件名 由映射器类的

  setup（）

  方法中的映射器处理。参考 下面的片段

  String fileName = ((FileSplit) context.getInputSplit()).getPath().toString();
  

• 从Mapper类的

  map（）

  方法中，将每个单词作为键和 值作为与setup（）和int中的文件名相关的字符串 值1

• 从Reducer类的

  reduce（）

  方法中，为每个不同的单词 您将获得每个字符串将包含的字符串列表 对应的文件名和计数1
• 迭代每个键的值列表，并拆分每个值， 然后将文件名存储在一个不重复的本地集合中，如HashSet 并对计数1求和
• 在对值列表进行迭代之后，您将得到所有值的总和 计数1，并且也是一个哈希集，该哈希集具有当前数据的不同文件名 钥匙这里HashSet的大小将是 钥匙
• 从reducer发出关键字、字数和文档频率，然后重置sum变量和HashSet

---

为什么要删除我的标签？

String fileName = ((FileSplit) context.getInputSplit()).getPath().toString();