草庐IT

hadoop - MapReduce中，为什么map函数在查找单词出现时输出1？

coder 2024-01-10 原文

假设我想知道每个单词在某些文本中出现的次数。

我的理解是，文本被分成多个部分，每个部分都传递给 map。 map 然后会获取每个部分的单词出现次数，并将结果传递给 reduce，如下所示:

for each word w in document:
    occurrences[w] += 1

return occurrences

然而，根据MapReduce paper和 wikipedia , map 只会为每个单词发出 1，如下所示:

for each word w in document:
    emit(w, 1)

这与将文本部分直接传递给 reduce 基本上不是一回事吗，因为它无论如何都必须遍历每个单词？

此外，只是为了确定。如果我想使用 MapReduce 对大型数组进行排序，map 会对其作为数组的一部分进行排序，然后 reduce 会合并排序后的数组，就像在 mergesort 中一样吗？

最佳答案

回顾一下 map-reduce 的工作原理:

在您引用的字数统计示例中， map 读取您提到的拆分/部分。

扫描单词部分时， map 不执行出现次数计数， map 所做的是创建一个 <"word",1> 的键值对。 .这简化了 reducer 对词的下游聚合。

map 这样做是为了让处理特定 "word" 的 reducer可以收集所有 <"word",1>元组发送它的方式，然后通过将所有 1 加在一起来生成计数。

简而言之，假设您有一个单词列表，如下所示:

cat
rat
mat
bat
cat
sat
bat

假设我们有 3 个映射器来处理文件拆分，如下所示:

为 mapper1 拆分 1:

cat
rat
mat

为 mapper2 拆分 2:

bat
cat

为 mapper3 拆分 3:

sat
bat

mapper1 将发出:

<cat,1>
<rat,1>
<mat,1>

Mapper2 将发出:

<bat,1>
<cat,1>

Mapper3 将发出:

<sat,1>
<bat,1>

虽然实际情况要复杂一些，但理想情况下，每个单词都有一个缩减器，它们从每个映射器接收元组。

So reducer for cat receives:<cat,1> , <cat,1>
The reducer for rat receives: <rat,1>
The reducer for mat receives: <mat,1>
The reducer for bat receives: <bat,1>,<bat,1>
The reducer for sat receives: <sat,1>

每个 reducer 将它接收到的所有元组相加并得到一个聚合值，如下所示:

<cat,2>
<rat,1>
<mat,1>
<bat,2>
<sat,1>

这就是 map-reduce 实现字数统计的方式。这个想法是并行化计数操作。

就您关于排序的问题而言，它更像是一种“分桶”技巧，而不是“合并”。 map-reduce 框架将在内部对数据进行排序并将其按排序顺序流式传输到 reducer。

请检查这个post更多细节。

关于hadoop - MapReduce中，为什么map函数在查找单词出现时输出1？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33470342/

现时单词codeprehadoopmapreducelarge-data

有关hadoop - MapReduce中，为什么map函数在查找单词出现时输出1？的更多相关文章

  1. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  2. ruby-on-rails - Rails - 子类化模型的设计模式是什么？ - 2

    我有一个模型:classItem项目有一个属性“商店”基于存储的值，我希望Item对象对特定方法具有不同的行为。Rails中是否有针对此的通用设计模式？如果方法中没有大的if-else语句，这是如何干净利落地完成的？ 最佳答案 通常通过Single-TableInheritance. 关于ruby-on-rails-Rails-子类化模型的设计模式是什么？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.co

  3. ruby-openid:执行发现时未设置@socket - 2

    我在使用omniauth/openid时遇到了一些麻烦。在尝试进行身份验证时，我在日志中发现了这一点:OpenID::FetchingError:Errorfetchinghttps://www.google.com/accounts/o8/.well-known/host-meta?hd=profiles.google.com%2Fmy_username:undefinedmethod`io'fornil:NilClass重要的是undefinedmethodio'fornil:NilClass来自openid/fetchers.rb，在下面的代码片段中:moduleNetclass

  4. ruby - 什么是填充的 Base64 编码字符串以及如何在 ruby​​ 中生成它们？ - 2

    我正在使用的第三方API的文档状态:"[O]urAPIonlyacceptspaddedBase64encodedstrings."什么是“填充的Base64编码字符串”以及如何在Ruby中生成它们。下面的代码是我第一次尝试创建转换为Base64的JSON格式数据。xa=Base64.encode64(a.to_json) 最佳答案 他们说的padding其实就是Base64本身的一部分。它是末尾的“=”和“==”。Base64将3个字节的数据包编码为4个编码字符。所以如果你的输入数据有长度n和n%3=1=>"=="末尾用于填充n%

  5. ruby - 解析 RDFa、微数据等的最佳方式是什么，使用统一的模式/词汇(例如 schema.org)存储和显示信息 - 2

    我主要使用Ruby来执行此操作，但到目前为止我的攻击计划如下:使用gemsrdf、rdf-rdfa和rdf-microdata或mida来解析给定任何URI的数据。我认为最好映射到像schema.org这样的统一模式，例如使用这个yaml文件，它试图描述数据词汇表和opengraph到schema.org之间的转换:#SchemaXtoschema.orgconversion#data-vocabularyDV:name:namestreet-address:streetAddressregion:addressRegionlocality:addressLocalityphoto:i

  6. ruby - 为什么 4.1%2 使用 Ruby 返回 0.0999999999999996？但是 4.2%2==0.2 - 2

    为什么4.1%2返回0.0999999999999996？但是4.2%2==0.2。 最佳答案 参见此处:WhatEveryProgrammerShouldKnowAboutFloating-PointArithmetic实数是无限的。计算机使用的位数有限(今天是32位、64位)。因此计算机进行的浮点运算不能代表所有的实数。0.1是这些数字之一。请注意，这不是与Ruby相关的问题，而是与所有编程语言相关的问题，因为它来自计算机表示实数的方式。 关于ruby-为什么4.1%2使用Ruby返

  7. ruby - ruby 中的 TOPLEVEL_BINDING 是什么？ - 2

    它不等于主线程的binding，这个toplevel作用域是什么？此作用域与主线程中的binding有何不同？>ruby-e'putsTOPLEVEL_BINDING===binding'false 最佳答案 事实是，TOPLEVEL_BINDING始终引用Binding的预定义全局实例，而Kernel#binding创建的新实例>Binding每次封装当前执行上下文。在顶层，它们都包含相同的绑定(bind)，但它们不是同一个对象，您无法使用==或===测试它们的绑定(bind)相等性。putsTOPLEVEL_BINDINGput

  8. ruby - 在没有 sass 引擎的情况下使用 sass 颜色函数 - 2

    我想在一个没有Sass引擎的类中使用Sass颜色函数。我已经在项目中使用了sassgem，所以我认为搭载会像以下一样简单:classRectangleincludeSass::Script::FunctionsdefcolorSass::Script::Color.new([0x82,0x39,0x06])enddefrender#hamlengineexecutedwithcontextofself#sothatwithintemlateicouldcall#%stop{offset:'0%',stop:{color:lighten(color)}}endend更新:参见上面的#re

  9. ruby - Infinity 和 NaN 的类型是什么？ - 2

    我可以得到Infinity和NaNn=9.0/0#=>Infinityn.class#=>Floatm=0/0.0#=>NaNm.class#=>Float但是当我想直接访问Infinity或NaN时:Infinity#=>uninitializedconstantInfinity(NameError)NaN#=>uninitializedconstantNaN(NameError)什么是Infinity和NaN？它们是对象、关键字还是其他东西？ 最佳答案 您看到打印为Infinity和NaN的只是Float类的两个特殊实例的字符串

  10. ruby-on-rails - 如果 Object::try 被发送到一个 nil 对象，为什么它会起作用？ - 2

    如果您尝试在Ruby中的nil对象上调用方法，则会出现NoMethodError异常并显示消息:"undefinedmethod‘...’fornil:NilClass"然而，有一个tryRails中的方法，如果它被发送到一个nil对象，它只返回nil:require'rubygems'require'active_support/all'nil.try(:nonexisting_method)#noNoMethodErrorexceptionanymore那么try如何在内部工作以防止该异常？ 最佳答案 像Ruby中的所有其他对象

随机推荐