网站建设优化推广排名,郑州文明网,如何建设招聘网站,如何做好网站关键词布局倒排索引是文档检索系统中最常用的数据结构#xff0c;被广泛地应用于全文搜索引擎。它主要是用来存储某个单词#xff08;或词组#xff09;在一个文档或一组文档中存储位置的映射#xff0c;即提供了一种根据内容来查找文档的方式。由于不是根据文档来确定文档所包含的内… 倒排索引是文档检索系统中最常用的数据结构被广泛地应用于全文搜索引擎。它主要是用来存储某个单词或词组在一个文档或一组文档中存储位置的映射即提供了一种根据内容来查找文档的方式。由于不是根据文档来确定文档所包含的内容而是进行相反的操作因而称为倒排索引Inverted Index。 一、实例描述 倒排索引简单地就是根据单词返回它在哪个文件中出现过而且频率是多少的结果。这就像百度里的搜索你输入一个关键字那么百度引擎就迅速的在它的服务器里找到有该关键字的文件并根据频率和其他的一些策略如页面点击投票率等来给你返回结果。这个过程中倒排索引就起到很关键的作用。 样例输入 样例输出 二、设计思路 倒排索引涉及几个过程Map过程Combine过程Reduce过程。 Map过程 当你把需要处理的文档上传到hdfs时首先默认的TextInputFormat类对输入的文件进行处理得到文件中每一行的偏移量和这一行内容的键值对偏移量内容做为map的输入。在改写map函数的时候我们就需要考虑怎么设计key和value的值来适合MapReduce框架从而得到正确的结果。由于我们要得到单词,所属的文档URL,词频而key,value只有两个值那么就必须得合并其中得两个信息了。这里我们设计key单词URLvalue词频。即map得输出为单词URL词频之所以将单词URL做为key时利用MapReduce框架自带得Map端进行排序。 Combine过程 Combine过程将key值相同得value值累加得到一个单词在文档上得词频。但是为了把相同得key交给同一个reduce处理我们需要设计为key单词valueURL词频。 Reduce过程 Reduce过程其实就是一个合并的过程了只需将相同的key值的value值合并成倒排索引需要的格式即可。 三、程序代码 程序代码如下 1 import java.io.IOException;2 import java.util.StringTokenizer;3 4 import org.apache.hadoop.conf.Configuration;5 import org.apache.hadoop.fs.Path;6 import org.apache.hadoop.io.LongWritable;7 import org.apache.hadoop.io.Text;8 import org.apache.hadoop.mapreduce.Job;9 import org.apache.hadoop.mapreduce.Mapper;
10 import org.apache.hadoop.mapreduce.Reducer;
11 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
12 import org.apache.hadoop.mapreduce.lib.input.FileSplit;
13 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
14 import org.apache.hadoop.util.GenericOptionsParser;
15
16
17 public class InvertedIndex {
18
19 public static class Map extends MapperLongWritable, Text, Text, Text{
20 private static Text word new Text();
21 private static Text one new Text();
22
23 Override
24 protected void map(LongWritable key, Text value,MapperLongWritable, Text, Text, Text.Context context)
25 throws IOException, InterruptedException {
26 // super.map(key, value, context);
27 String fileName ((FileSplit)context.getInputSplit()).getPath().getName();
28 StringTokenizer st new StringTokenizer(value.toString());
29 while (st.hasMoreTokens()) {
30 word.set(st.nextToken()\tfileName);
31 context.write(word, one);
32 }
33 }
34 }
35
36 public static class Combine extends ReducerText, Text, Text, Text{
37 private static Text word new Text();
38 private static Text index new Text();
39
40 Override
41 protected void reduce(Text key, IterableText values,ReducerText, Text, Text, Text.Context context)
42 throws IOException, InterruptedException {
43 // super.reduce(arg0, arg1, arg2);
44 String[] splits key.toString().split(\t);
45 if (splits.length ! 2) {
46 return ;
47 }
48 long count 0;
49 for(Text v:values){
50 count;
51 }
52 word.set(splits[0]);
53 index.set(splits[1]:count);
54 context.write(word, index);
55 }
56 }
57
58 public static class Reduce extends ReducerText, Text, Text, Text{
59 private static StringBuilder sub new StringBuilder(256);
60 private static Text index new Text();
61
62 Override
63 protected void reduce(Text word, IterableText values,ReducerText, Text, Text, Text.Context context)
64 throws IOException, InterruptedException {
65 // super.reduce(arg0, arg1, arg2);
66 for(Text v:values){
67 sub.append(v.toString()).append(;);
68 }
69 index.set(sub.toString());
70 context.write(word, index);
71 sub.delete(0, sub.length());
72 }
73 }
74
75 public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
76 Configuration conf new Configuration();
77 String[] otherArgs new GenericOptionsParser(conf,args).getRemainingArgs();
78 if(otherArgs.length!2){
79 System.out.println(Usage:wordcount in out);
80 System.exit(2);
81 }
82 Job job new Job(conf,Invert Index );
83 job.setJarByClass(InvertedIndex.class);
84
85 job.setMapperClass(Map.class);
86 job.setCombinerClass(Combine.class);
87 job.setReducerClass(Reduce.class);
88
89 job.setMapOutputKeyClass(Text.class);
90 job.setMapOutputValueClass(Text.class);
91 job.setOutputKeyClass(Text.class);
92 job.setOutputValueClass(Text.class);
93
94 FileInputFormat.addInputPath(job,new Path(args[0]));
95 FileOutputFormat.setOutputPath(job, new Path(args[1]));
96 System.exit(job.waitForCompletion(true)?0:1);
97 }
98
99 } 转载于:https://www.cnblogs.com/xiaoyh/p/9361356.html
