学步园

这几天忙着找实习，所以日志耽搁了，现在来补起~~。

相信很多人都知道  PKU Online Judge， 现在中国人民大学也提供了一个类似的平台，但与北京在线评判系统不一样的是，中国人民大学的这个系统是专门评判mapreduce编程题的。

我把链接发出来，大家可以去试着做看看: http://cloudcomputing.ruc.edu.cn/index.jsp

大家在做题前，先看看“常见问题”根据系统要求的格式来写程序。不然不能正常运行。（我就是直接运行错了3次。 - -！）

可以看到这个平台的题目还不多，现在只有1000-1009，其中1008-1009的题目还没发出来。所以我们讨论1000-1007.

如果你想先自己测试下，下面的文章就可以先不忙看。等你解决其中的题，可以再来看这篇文章，大家可以共同提高。

1000 比较简单，用hadoop自带的例子都可以解决，我这里就不多说了。

1001 题目：

a+b per line

描述

有时候你会遇到这样的问题：你有一个表格，给出了每个人在十二月，一月和二月的收入。表格如下：
name  Dec   Jan($)
CM    200   314
LY    2000  332
QQM   6000  333
ZYM   5000  333
BP    30    12 

你需要知道每个人这三个月的收入总和，那么你就需要将表格中一行代表收入的数字相加.下面请编写程序解决这个问题。

输入

输入只包含一个文件，文件中有一个表格，它的结构如下:
1 200   314
2 2000  332
3 6000  333
4 5000  333
5 30    12   
其中每行最前面的数字是行标

输出

输出是一个文本文件，每一行第一个数字式行标，第二个数字是输入文件中每一行除行标外数字的和。如下:
1 514
2 2332
3 6333
4 5333
5 42

输入样例

input:
1 200   314
2 2000  332
3 6000  333
4 6000  333
5 5000  333
6 30    12 

输出样例:

1 514
2 2332
3 6333
4 6333
5 5333
6 42

注意:
1 输入文件和输出文件都只有一个；
2 输入和输出文件每行的第一个数字都是行标；
3 每个数据都是正整数或者零.。

1001 解题思路：

1001的题目其实是很简单的，将读入的每一行用空格分隔，第一个域就是行号作为key、再将第二个域和第三个域相加作为value.

因为map阶段会根据key值自动排序，我们就不用操心了。至于key的排序顺序，我们以后讨论。

现在上代码：

public class MyMapre {<br /> public static class wordcountMapper extends<br /> Mapper{<br /> public void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException{<br /> Integer sum = 0;<br /> String line = value.toString();<br /> StringTokenizer itr = new StringTokenizer(line);//分割<br /> if (itr.hasMoreElements())<br /> key = new LongWritable(Integer.parseInt(itr.nextToken())); //获取第一个域的值<br /> while(itr.hasMoreElements()){<br /> sum += Integer.parseInt(itr.nextToken()); //求和剩下的值<br /> }<br /> context.write(key, new IntWritable(sum));<br /> }<br /> }<br /> public static void main(String args[])throws Exception{</p> <p>Configuration conf = new Configuration();</p> <p>Job job = new Job(conf, "MyMapre");</p> <p>job.setJarByClass(MyMapre.class);</p> <p>job.setMapOutputKeyClass(LongWritable.class);<br /> job.setMapOutputValueClass(IntWritable.class);</p> <p>job.setOutputKeyClass(LongWritable.class);<br /> job.setOutputValueClass(IntWritable.class);</p> <p>job.setMapperClass(wordcountMapper.class);</p> <p>FileInputFormat.setInputPaths(job, new Path(args[0]));<br /> FileOutputFormat.setOutputPath(job, new Path(args[1]));</p> <p>job.waitForCompletion(true);<br /> }<br /> }<br />

1002 题目：

Sort

描述

你的程序需要读入输入数据文件，然后再将数据按升序排序后输出。在输入文件中，每一行都代表一个数据。

输入

输入是一组文本文件，在文本文件中每一行都是一个元数据，而且每个数据是用一个数字串代表待排序的数字。

输出

输出文件中每一行第一个数字是行标，后面一个数字是排好序的原始输入数据，注意排序顺序是从小到大升序排序。

输入样例

input1:

2
32
654
32
15
756
65223

input2:

5956
22
650
92

input3:

26
54
6

输出样例:
1 2
2 6
3 15
4 22
5 26
6 32
7 32
8 54
9 92
10 650
11 654
12 756
13 5956
14 65223
1002 解题思路：

在上一题已经说过在map阶段会对key自动排序， 所以我们读入一行后（元数据），将其作为key，传递给reduce。我们可以看到最后输出的样例，还需要打印出行号。所以我们在reduce外面定义一个int 来记录总的行数（作为key输出）。而将map阶段传来的key作为reduce阶段的value输出。

上代码吧：

public class MyMapre {<br /> public static class wordcountMapper extends<br /> Mapper{<br /> public void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException{<br /> String one = value.toString();<br /> context.write(new LongWritable(Integer.parseInt(one)) , key);<br /> }<br /> }<br /> public static class wordcountReduce extends<br /> Reducer{<br /> int sum = 0;<br /> public void reduce(LongWritable key, Iterablevalues, Context context)throws IOException, InterruptedException{<br /> sum++;<br /> context.write(new LongWritable(sum), key);<br /> }<br /> }<br /> public static void main(String args[])throws Exception{</p> <p>Configuration conf = new Configuration();</p> <p>Job job = new Job(conf, "Sort");</p> <p>job.setJarByClass(MyMapre.class);</p> <p>job.setOutputKeyClass(LongWritable.class);<br /> job.setOutputValueClass(LongWritable.class);</p> <p>job.setMapOutputKeyClass(LongWritable.class);<br /> job.setMapOutputValueClass(LongWritable.class);</p> <p>job.setMapperClass(wordcountMapper.class);<br /> job.setReducerClass(wordcountReduce.class);</p> <p>FileInputFormat.setInputPaths(job, new Path(args[0]));<br /> FileOutputFormat.setOutputPath(job, new Path(args[1]));</p> <p>job.waitForCompletion(true);<br /> }<br /> }<br />

1003 题目：

Data deduplication

描述

你的程序要求读入输入文件，在去掉所有数据中的重复数据后输出结果。在输入文件中每一行是一个元数据。

输入

输入是一组文本文件，在每个输入文件中每一行是一个数据。每一个元数据都是一个字符串。

输出文件

输出文件的每一行都是在输入文件中出现过的一个数据，并且输出文件中的每一行都不相同。

输入样例

input1:
2006-6-9 a
2006-6-10 b
2006-6-11 c
2006-6-12 d
2006-6-13 a
2006-6-14 b
2006-6-15 c
2006-6-11 c
input2:
2006-6-9 b
2006-6-10 a
2006-6-11 b
2006-6-12 d
2006-6-13 a
2006-6-14 c
2006-6-15 d
2006-6-11 c

输出样例:
2006-6-10 a 
2006-6-10 b 
2006-6-11 b 
2006-6-11 c 
2006-6-12 d 
2006-6-13 a 
2006-6-14 b 
2006-6-14 c 
2006-6-15 c 
2006-6-15 d 
2006-6-9 a 
2006-6-9 b

注意:
1 输出结果是按照字典顺序排序的；
2 每一行都是一个元数据；
3 重复数据在输出文件中也要输出一次。
1003 解题思路：

首先还是将一行进行划分，将第一个域作为map阶段的key输出。第二个域作为map阶段的value输出。

reduce收到key-value对后，key相同时，会返回多个value。根据题意要求，value中出现的字母不能重复，所以我们要消掉重复的字母、而且最后需要排序，我们可以调用java自带的排序函数来实现。

上代码了：

public class MyMapre {<br /> public static class wordcountMapper extends<br /> Mapper{<br /> public void map(LongWritable key, Text value, Context context)throws IOException, InterruptedException{<br /> String line = value.toString();<br /> Text word = new Text();<br /> Text one = new Text();<br /> StringTokenizer itr = new StringTokenizer(line);//划分<br /> if (itr.hasMoreElements()) word.set(itr.nextToken());<br /> if (itr.hasMoreElements()) one.set(itr.nextToken());<br /> //获取两个域的值<br /> context.write(word, one);<br /> }<br /> }<br /> public static class wordcountReduce extends<br /> Reducer{</p> <p>public void reduce(Text key, Iterablevalues, Context context)throws IOException, InterruptedException{<br /> String pre = ""; //消除重复字母的变量<br /> List list = new ArrayList(); //进行排序前存储的list<br /> for (Text str : values){<br /> if (!str.toString().equals(pre)) { //如果不相等者更新pre变量<br /> pre = str.toString();<br /> list.add(pre); //向list中添加不重复的元素<br /> }<br /> }<br /> Collections.sort(list); //排序<br /> for (int i = 0; i < list.size(); i++)<br /> context.write(key, new Text(list.get(i))); //一次性输出<br /> }<br /> }</p> <p>public static void main(String args[])throws Exception{</p> <p>Configuration conf = new Configuration();</p> <p>Job job = new Job(conf, "deduplication");</p> <p>job.setJarByClass(MyMapre.class);</p> <p>job.setOutputKeyClass(Text.class);<br /> job.setOutputValueClass(Text.class);</p> <p>job.setMapOutputKeyClass(Text.class);<br /> job.setMapOutputValueClass(Text.class);</p> <p>job.setMapperClass(wordcountMapper.class);<br /> job.setReducerClass(wordcountReduce.class);</p> <p>FileInputFormat.setInputPaths(job, new Path(args[0]));<br /> FileOutputFormat.setOutputPath(job, new Path(args[1]));</p> <p>job.waitForCompletion(true);<br /> }<br /> }<br />