hadop 기반 mapreduce 역 배열 색인 구현

hadop 기반 mapreduce 역 배열 색인 구현
역 배열 색인 (영어: Inverted index) 은 역방향 색인, 파일 삽입 또는 역방향 파일 이 라 고도 불 리 며 전체 텍스트 검색 에 저 장 된 한 단어 가 한 문서 나 한 문서 에 저 장 된 위 치 를 나타 내 는 색인 방법 입 니 다.그것 은 문서 검색 시스템 에서 가장 자주 사용 하 는 데이터 구조 이다.역 열 색인 을 통 해 이 단 어 를 포함 하 는 문서 목록 을 단어 에 따라 빠르게 가 져 올 수 있 습 니 다.역 배열 색인 은 주로 두 부분 으로 구성 된다. '단어 사전' 과 '역 배열 파일' 이다.
역 배열 색인 은 두 가지 서로 다른 역방향 색인 형식 이 있 습 니 다. 기 록 된 수평 역방향 색인 (또는 역방향 파일 색인) 은 모든 단 어 를 참조 하 는 문서 의 목록 을 포함 합 니 다.한 단어의 수평 역방향 색인 (또는 완전 역방향 색인) 은 각 단어 가 한 문서 에 있 는 위 치 를 포함한다.후자 의 형식 은 더 많은 호환성 (예 를 들 어 구문 검색) 을 제공 하지만 더 많은 시간 과 공간 이 필요 합 니 다.현대 검색엔진 의 색인 [3] 은 모두 역 배열 색인 에 기초 한 것 이다.'서명 파일', '접미사 트 리' 등 색인 구조 에 비해 '거꾸로 색인' 은 단어 에서 문서 맵 관 계 를 실현 하 는 가장 좋 은 실현 방식 과 가장 효과 적 인 색인 구조 이다.
 
목표 달성:
문서 그룹 입력:
 
file1
xiao lin lin
file2
yu yu xiao lin
file3
xiao lin xiao lin
 
 
출력 결과:
lin
file1:2;file2:1;file3:2
xiao
file3:2;file2:1;file1:1
yu
file2:2
 
구현 코드:
 

package com.ds.demo;
import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.FileSplit;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;


public class InvertedIndex {

	public static class InvertedIndexMapper extends
			Mapper<Object, Text, Text, Text>{
		
		private Text keyInfo = new Text();
		
		private Text valueInfo = new Text();
		
		private FileSplit split;
		
		public void map(Object key, Text value, Context context) 
				throws IOException, InterruptedException{
			
			//    
			split = (FileSplit)context.getInputSplit();
			
			StringTokenizer itr = new StringTokenizer(value.toString());
			
			while(itr.hasMoreTokens()){
				
				keyInfo.set(itr.nextToken() + ":" + split.getPath().toString());
				
				valueInfo.set("1");
				
				context.write(keyInfo, valueInfo);
			}
		}
	}
	
	public static class InvertedIndexCombiner extends 
			Reducer<Text, Text, Text, Text>{
		
		private Text info= new Text();
		
		public void reduce(Text key, Iterable<Text> values, Context context)
				throws IOException, InterruptedException{
			
			int sum = 0;
			
			for(Text value : values){
				sum += Integer.parseInt(value.toString());
			}
			
			int splitIndex = key.toString().indexOf(":");
			
			info.set(key.toString().substring(splitIndex + 1) + ":" + sum);
			
			key.set(key.toString().substring(0, splitIndex));
			
			context.write(key, info);
		}
	}
	
	public static class InvertedIndexReducer extends
			Reducer<Text, Text, Text, Text>{
		
		private Text result = new Text();
		
		public void reduce(Text key, Iterable<Text> values, Context context)
				throws IOException, InterruptedException{
			
			
			String fileList = new String();
			
			for(Text value : values){
				fileList += value.toString() + ";";
			}
			result.set(fileList);
			
			context.write(key, result);
		}
	}
		
	
	public static void main(String[] args) throws Exception{
		
		Configuration conf = new Configuration();
		
		conf.set("mapred.job.tracker", "192.168.9.201:9001");
		
		String[] ars=new String[]{"B","InvertedOut"};
		
		String[] otherArgs = new GenericOptionsParser(conf, ars).getRemainingArgs();
		if(otherArgs.length != 2){
			System.err.println("Usage: invertedindex <in> <out>");
		    System.exit(2);
		}
		
		Job job = new Job(conf, "InvertedIndex");
		job.setJarByClass(InvertedIndex.class);
		
		job.setMapperClass(InvertedIndexMapper.class);
		
		job.setMapOutputKeyClass(Text.class);
		job.setMapOutputValueClass(Text.class);
		
		job.setCombinerClass(InvertedIndexCombiner.class);
		
		job.setReducerClass(InvertedIndexReducer.class);
		
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(Text.class);
		
		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
		
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}

}

 
 
지 도 를 거치다
 
key
value
xiao:file1
1
lin:file1
1
lin:file1
1
......
 
경과
 
xiao:file1
[1]
lin:file1
[1,1]
yu:file2
[1,1]
....
 
reduce 를 거치다
 
xiao
file1:1
lin
file1:2
yu
file2:2
xiao
file2:1
lin
file2:1
....
 
다시 셔 플
xiao
[file1:1,file2:1.file3:2]
lin
[file1:2,file2:1,file3:2]
yu
[file2:2]
 
다시 reduce 결과 얻 기
 
 
 
 
 
 
이미
0 명 댓 글 달 고 강 타 - >
여기 < - 토론 참여
ITeye 추천
4. 567917. - 소프트웨어 인 재 는 언어 저 담 보 를 면제 하고 미국 에 가서 유급 으로 대학원 에 다 닙 니 다! -