Java 映射reduce以生成n个最频繁的单词

我有一个MapReduce代码，它可以打印一个单词在文档中出现的次数。我想更改此代码以生成N个最频繁的单词。N是一个输入参数。代码如下：

    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.LongWritable;        
    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 WordCount {

    public static void main(String [] args) throws Exception

    {

    Configuration c=new Configuration();        
    String[] files=new GenericOptionsParser(c,args).getRemainingArgs();        
    Path input=new Path(files[0]);        
    Path output=new Path(files[1]);        
    Job j=new Job(c,"wordcount");        
    j.setJarByClass(WordCount.class);        
    j.setMapperClass(MapForWordCount.class);        
    j.setReducerClass(ReduceForWordCount.class);        
    j.setOutputKeyClass(Text.class);        
    j.setOutputValueClass(IntWritable.class);        
    FileInputFormat.addInputPath(j, input);        
    FileOutputFormat.setOutputPath(j, output);        
    System.exit(j.waitForCompletion(true)?0:1);

    }

    public static class MapForWordCount extends Mapper<LongWritable, Text, Text, IntWritable>{

    public void map(LongWritable key, Text value, Context con) throws IOException, InterruptedException

    {

    String line = value.toString();

    String[] words=line.split("[^\\p{L}0-9]+");

    for(String word: words )

    {
         if(word.length()<=3){
             continue;
         }else{
             Text outputKey = new Text(word.toUpperCase().trim());

              IntWritable outputValue = new IntWritable(1);

              con.write(outputKey, outputValue); 
         }
          } } }

    public static class ReduceForWordCount extends Reducer<Text, IntWritable, Text, IntWritable>
    {

 public void reduce(Text word, Iterable<IntWritable> values, Context con) throws IOException, InterruptedException

    {

    int sum = 0;

       for(IntWritable value : values)

       {

       sum += value.get();

       }

       con.write(word, new IntWritable(sum));

    }

    }

    }

import java.io.IOException；
导入org.apache.hadoop.conf.Configuration；
导入org.apache.hadoop.fs.Path；
导入org.apache.hadoop.io.IntWritable；
导入org.apache.hadoop.io.LongWritable；
导入org.apache.hadoop.io.Text；
导入org.apache.hadoop.mapreduce.Job；
导入org.apache.hadoop.mapreduce.Mapper；
导入org.apache.hadoop.mapreduce.Reducer；
导入org.apache.hadoop.mapreduce.lib.input.FileInputFormat；
导入org.apache.hadoop.mapreduce.lib.output.FileOutputFormat；
导入org.apache.hadoop.util.GenericOptionsParser；
公共类字数{
公共静态void main（字符串[]args）引发异常
{
配置c=新配置（）；
String[]files=新的GenericOptionsParser（c，args）.getRemainingArgs（）；
路径输入=新路径（文件[0]）；
路径输出=新路径（文件[1]）；
作业j=新作业（c，“字数”）；
j、 setJarByClass（WordCount.class）；
j、 setMapperClass（MapForWordCount.class）；
j、 setReducerClass（reduceForDorCount.class）；
j、 setOutputKeyClass（Text.class）；
j、 setOutputValueClass（IntWritable.class）；
addInputPath（j，输入）；
setOutputPath（j，输出）；
系统退出（j.waitForCompletion（true）－0:1）；
}
公共静态类MapForWordCount扩展映射器{
公共void映射（LongWritable键、文本值、上下文con）引发IOException、InterruptedException
{
字符串行=value.toString（）；
String[]words=line.split（[^\\p{L}0-9]+”；
for（字符串字：字）
{
if（word.length（）请重新格式化您的代码。缩进是无法忍受的，而且您使用了太多的空行。为您进行此分析而改变Hadoop行为不是更好，而不是用Java对数据进行后处理吗？同意@tomayotatogy，一个粗略的搜索等等，其他地方建议分别使用Hadoop映射器和还原器，例如，为什么ot使用chain-mapreduce