如何使用Hadoop MapReduce进行文本单词统计？

本文共计1222个文字，预计阅读时间需要5分钟。

MapReduce 是一种编程模型，用于大规模数据集的分布式处理。Hadoop MapReduce 是一个软件框架，基于该框架可以轻松编写应用程序，这些程序能够在由数千台商用机器组成的大集群上运行，并具有高可靠性和容错能力。

1、MapReduce是什么

　　HadoopMapReduce是一个软件框架，基于该框架能够容易地编写应用程序，这些应用程序能够运行在由上千个商用机器组成的大集群上，并以一种可靠的，具有容错能力的方式并行地处理上TB级别的海量数据集。这个定义里面有着这些关键词，

2、 MapReduce做什么

　　MapReduce擅长处理大数据，它为什么具有这种能力呢？这可由MapReduce的设计思想发觉。MapReduce的思想就是“分而治之”。

　　（1）Mapper负责“分”，即把复杂的任务分解为若干个“简单的任务”来处理。“简单的任务”包含三层含义：

一是数据或计算的规模相对原任务要大大缩小；二是就近计算原则，即任务会分配到存放着所需数据的节点上进行计算；三是这些小任务可以并行计算，彼此间几乎没有依赖关系。

　　（2）Reducer负责对map阶段的结果进行汇总。至于需要多少个Reducer，用户可以根据具体问题，通过在mapred-site.xml配置文件里设置参数mapred.reduce.tasks的值，缺省值为1。