MapReduce 应用案例分析 - 单词计数

需求

　　计算出文件中每个单词的频数。要求输出结果按照单词的字母顺序进行排序。每个单词和其频数占一行，单词和频数之间有间隔。

　　比如，输入一个文件，其内容如下：

　　hello world

　　hello hadoop

　　hello mapreduce

　　对应上面给出的输入样例，其输出样例为：

　　hadoop 1

　　hello 3

　　mapreduce 1

　　world 1

方案制定

　　对该案例，可设计出如下的MapReduce方案：

　　1. Map阶段各节点完成由输入数据到单词切分的工作

　　2. shuffle阶段完成相同单词的聚集再到分发到各个Reduce节点的工作 (shuffle阶段是MapReduce的默认过程)

　　3. Reduce阶段负责接收所有单词并计算各自频数

小结

　　WordCount是一个很经典的Hadoop示例，它虽然简单，但具有很大的代表性。

　　从某个程度上来说也反映了其设计的初衷，对日志文件的分析。