Hadoop 提供错误输出的Mapreduce字数示例

我正在努力学习mapreduce。从中所示的WordCount示例开始，当我在eclipse中执行代码时，它的输出是正确的字数。I/p文件内容如下：-

你好，世界，再见

它的输出是

再见1

你好1

世界2

之后，我通过在输入文件中的每个单词后面用逗号替换空格来测试代码

现在我已经将输入恢复为与以前相同的状态，但现在输出中的字数是预期结果的两倍

再见2

你好2

世界4

我的代码如下：

public static class TokenizerMapper extends Mapper<Object, Text, Text,IntWritable>{
    public static IntWritable one = new IntWritable(1);
    private Text word = new Text();
    public void map(Object key, Text value, Context context) throws IOException, InterruptedException{
        StringTokenizer itr = new StringTokenizer(value.toString());
        while (itr.hasMoreTokens()){
            word.set(itr.nextToken());
            context.write(word, one);
        }
    }
}

public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
    private IntWritable result = new IntWritable();
    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException{
        int sum=0;
        for(IntWritable val:values){
            sum +=val.get();
        }
        result.set(sum);
        context.write(key, result);
    }
}

public static void main(String[] str) throws Exception{
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    
   FileInputFormat.addInputPath(job, new Path(str[0]));
   FileOutputFormat.setOutputPath(job,new Path(str[1]));
   
   System.exit(job.waitForCompletion(true) ? 0 : 1);
    
    
}

公共静态类TokenizerMapper扩展映射器{
public static IntWritable one=新的IntWritable（1）；
私有文本字=新文本（）；
公共void映射（对象键、文本值、上下文上下文）引发IOException、InterruptedException{
StringTokenizer itr=新的StringTokenizer（value.toString（））；
而（itr.hasMoreTokens（））{
set（itr.nextToken（））；
上下文。写（单词，一）；
}
}
}
公共静态类IntSumReducer扩展了Reducer{
私有IntWritable结果=新的IntWritable（）；
公共void reduce（文本键、Iterable值、上下文上下文）引发IOException、InterruptedException{
整数和=0；
for（可写入值：值）{
sum+=val.get（）；
}
结果集（总和）；
编写（键、结果）；
}
}
公共静态void main（字符串[]str）引发异常{
Configuration conf=新配置（）；
Job Job=Job.getInstance（conf，“字数”）；
job.setJarByClass（WordCount.class）；
setMapperClass（TokenizerMapper.class）；
job.setCombinerClass（IntSumReducer.class）；
job.setReducerClass（IntSumReducer.class）；
job.setOutputKeyClass（Text.class）；
job.setOutputValueClass（IntWritable.class）；
addInputPath（作业，新路径（str[0]）；
setOutputPath（作业，新路径（str[1]）；
系统退出（作业等待完成（真）？0:1；
}

还有人能解释一下，在Reducer方法中，每个词的值是如何分组的，因为它对特定词的每个值进行求和，检查同一个词是否有两个计数

---

谢谢

必须为您提供输入文件夹作为输入路径，其中必须有两个具有相同内容的文件，这可能是重复计数的原因

这是事实，我将输入文件夹作为路径，但只有一个文件。是的，您是正确的。其他文件未通过UI显示。当我检查终端时，它就在那个里，名字是“file01~”。我删除了它，现在它正在工作。你能告诉我为什么在那里创建这个文件吗。另外，你能帮我回答我在文章中的另一个问题吗？我已经尝试了你的代码，它给了我正确的结果，只是尝试给出文件路径而不是文件夹路径，因为输入值在reducer中按键分组，在这个程序中，你在mapper中将word配置为键，所以reducer得到了按键记录，并为每个键调用了reduce方法，因此，在您的示例中，Hello、Bye和World的reduce方法调用三次，Hello的键和值数组类似于（Hello，[1]），Bye的键和值数组类似于（Bye，[1]），World的键和值数组类似于（World，[1,1]），删除同一输入文件夹中的tmp文件：）@vefthym是的，您是对的。创建了一个tmp文件。你能告诉我为什么创建这个tmp文件吗。