mahout canopy算法仿造代码源码

对应于前面的MahoutCanopy.jar文件的源代码，可以参考来看；前面的那个是工具，这个是源码

package mahout.fansy.canopy;

import java.io.IOException;

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.clustering.Cluster;
import org.apache.mahout.clustering.canopy.CanopyConfigKeys;
import org.apache.mahout.clustering.iterator.ClusterWritable;
import org.apache.mahout.common.AbstractJob;
import org.apache.mahout.common.ClassUtils;
import org.apache.mahout.common.HadoopUtil;
import org.apache.mahout.common.commandline.DefaultOptionCreator;
import org.apache.mahout.common.distance.DistanceMeasure;
import org.apache.mahout.math.VectorWritable;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

/**
 * 改编原mahout代码，使输入数据可以直接为文本
 * 主要改编的是Mapper的key和value的格式
 * @author Administrator
 *
 */
public class CanopyDriver extends AbstractJob{

	/** 
	 * @param args
	 */
	private static final Logger log = LoggerFactory.getLogger（CanopyDriver.class）;
	
	public static void main（String[] args） throws Exception {
		ToolRunner.run（new Configuration（） new CanopyDriver（） args）;
	}

	@Override
	public int run（String[] arg0） throws Exception {
		addInputOption（）;
	    addOutputOption（）;
	    addOption（DefaultOptionCreator.distanceMeasureOption（）.create（））;
	    addOption（DefaultOptionCreator.t1Option（）.create（））;
	    addOption（DefaultOptionCreator.t2Option（）.create（））;
	    addOption（DefaultOptionCreator.t3Option（）.create（））;
	    addOption（DefaultOptionCreator.t4Option（）.create（））;
	    addOption（DefaultOptionCreator.clusterFilterOption（）.create（））;
	    addOption（DefaultOptionCreator.overwriteOption（）.create（））;
	    addOption（DefaultOptionCreator.clusteringOption（）.create（））;
	    addOption（DefaultOptionCreator.methodOption（）.create（））;
	    addOption（DefaultOptionCreator.outlierThresholdOption（）.create（））;

	    if （parseArguments（arg0） == null） {
	      return -1;
	    }

	    Path input = getInputPath（）;
	    Path output = getOutputPath（）;
	    Configuration conf = getConf（）;
	    if （hasOption（DefaultOptionCreator.OVERWRITE_OPTION）） {
	      HadoopUtil.delete（conf output）;
	    }
	    String measureClass = getOption（DefaultOptionCreator.DISTANCE_MEASURE_OPTION）;
	    double t1 = Double.parseDouble（getOption（DefaultOptionCreator.T1_OPTION））;
	    double t2 = Double.parseDouble（getOption（DefaultOptionCreator.T2_OPTION））;
	    double t3 = t1;
	    if （hasOption（DefaultOptionCreator.T3_OPTION）） {
	      t3 = Double.parseDouble（getOption（DefaultOptionCreator.T3_OPTION））;
	    }
	    double t4 = t2;
	    if （hasOption（DefaultOptionCreator.T4_OPTION）） {
	      t4 = Double.parseDouble（getOption（DefaultOptionCreator.T4_OPTION））;
	    }
	    int clusterFilter = 0;
	    if （hasOption（Defaul

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6693  2013-07-23 16:48  CanopyDriver.java
     文件        2445  2013-07-23 17:21  CanopyMapper.java
     文件        2196  2013-07-23 17:21  CanopyReducer.java