Mapreduce例項（二）：求平均值
大家好，我是風雲，歡迎大家關注我的部落格 或者 微信公眾號【笑看風雲路】，在未來的日子裡我們一起來學習大資料相關的技術，一起努力奮鬥，遇見更好的自己！
實現思路
求平均數是MapReduce比較常見的演算法，求平均數的演算法也比較簡單，一種思路是Map端讀取資料，在資料輸入到Reduce之前先經過shuffle，將map函式輸出的key值相同的所有的value值形成一個集合value-list，然後將輸入到Reduce端，Reduce端彙總並且統計記錄數，然後作商即可。具體原理如下圖所示：
編寫程式碼
Mapper程式碼
java
public static class Map extends Mapper<Object , Text , Text , IntWritable>{
private static Text newKey=new Text();
//實現map函式
public void map(Object key,Text value,Context context) throws IOException, InterruptedException{
// 將輸入的純文字檔案的資料轉化成String
String line=value.toString();
System.out.println(line);
String arr[]=line.split("\t");
newKey.set(arr[0]);
int click=Integer.parseInt(arr[1]);
context.write(newKey, new IntWritable(click));
}
}
map端在採用Hadoop的預設輸入方式之後，將輸入的value值通過split()方法截取出來，我們把擷取的商品點選次數字段轉化為IntWritable型別並將其設定為value，把商品分類欄位設定為key,然後直接輸出key/value的值。
Reducer程式碼
```java
public static class Reduce extends Reducer
//實現reduce函式
public void reduce(Text key,Iterable
int num=0;
int count=0;
for(IntWritable val:values){
num+=val.get(); //每個元素求和num
count++; //統計元素的次數count
}
int avg=num/count; //計算平均數
context.write(key,new IntWritable(avg));
}
}
```
map的輸出
完整程式碼
```java
package mapreduce;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.NullWritable;
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.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
public class MyAverage{
public static class Map extends Mapper