MapReduce的简单案例

字数统计：

MapReduce过程：

1. 写一个继承mapper的类，声明输入（基本固定）输出（看需求）类型

2. 重写map（K,V，context），map方法会被调用多次，每次调用map方法读取split传过来的一行数据，需要将这一行数据切割（StringTokeizer类，默认看空格切割）

  While遍历，通过context输出

要书写一个程序主入口类，将程序打包发给JobTracker（移动计算而不是移动数据）

注意，这里因为是本地的程序，将程序打成xxx.jar包，放入namenode节点的服务器上执行

Hadoop/bin有个hadoop命令

#./hadoop (回车) 展开所有和hadoop组合的命令

#./hadoop jar    path/xxx.jar   ww.cola.JobRun

——————————————————————

好友推荐系统：笛卡尔积运算

一对朋友的关系，每个个体既是主又是从，即一个人又做K又做V，

因此map处理后的数据会增加，每调用一次map方法，输出两次数据，且K和V

对调。

Map过程：

在经过系统默认shuff处理，对相同K值得数据进行了合并

出现如下形式：（Key和Value用冒号隔开）：

A:B C D E  //要处理他们之间可能的关系，只要将Value值做笛卡尔积

B: G

C:F

。。。

。。

Reduce过程：

用Set存储因为可以去重

———————————————————————————

精准广告推送：并且按照关注度由高到底排序

案例：在新浪微博中给小米手机打广告，找到那些关注手机的人，这些用在一登录后就弹出广告，并按关注度高低排序。

关注度权重公式：W=TF*Log(N/DF)   （打分）

TF:当前的关键字在该片微博内容中出现的次数

DF:当前的关键字在所有微博中内容中出现的条数,比如，“小米”，在某条微博中出现4次，只记为1条数据

N：微博总数

结果显示：(为了减少磁盘内容的开销，将不同关键词用唯一数字标识)

         微博的id     关键词1:分数 关键词2:分数  关键词3:分数 ….

之后我会专门写一篇博客