Hadoop实战任务-----编写MapReduce进行数据清洗_hadoop怎么用mapreduce程序对excel表格进行清洗、-优快云博客

本文链接：https://blog.youkuaiyun.com/Alice_xiaochen/article/details/123637661

本文介绍了如何利用Hadoop的MapReduce模型，针对大量英文单词数据，找出由相同字母组成的单词。在Map阶段，对单词进行字母排序；在Reduce阶段，统计并聚合相同字母顺序的单词。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

标题项目需求:

一个英文书籍包含成千上万个单词或者短语,在大量的单词中,找出相同字母组成的所有单词.

策略:

为加快数据处理的速度,借助Hadoop中的MapReduce编程模型的特点,编写出并行计算程序.

解决方案:

1、在 Map
阶段，对每个word（单词）按字母进行排序生成sortedWord，然后输出key/value键值对(sortedWord,word)。
2、在 Reduce 阶段，统计出每组相同字母组成的所有文本

代码如下:

Map代码

package com.itstar.partitiontest;


import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;
import java.io.IOException;
import java.util.Arrays;

/*
* 项目需求:
*       一个英文书籍包含成千上万个单词或者短语,在大量的单词中,找出相同字母组成的所有单词.
* 策略:
*       为加快数据处理的速度,借助Hadoop中的MapReduce编程模型的特点,编写出并行计算程序.
*
*解决方案:
*       　1、在 Map 阶段，对每个word（单词）按字母进行排序生成sortedWord，然后输出key/value键值对(sortedWord,word)。
*        2、在 Reduce 阶段，统计出每组相同字母组成的所有文本。
*
*
*
* */
public class wordMap extends Mapper<Object, Text,Text,Text> {
   
     Text sortedText =new Text();
     Text orginalText =new Text();

    @Override
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
   
        String line = value.toString();<