MapReduce实现Kmeans思路

大体思路

Ø Map 函数：
    ○ 计算每一个质心与样本之间的距离，得到与样本距离最短的质心，以这个质心作为key，样本作为value，输出。
Ø Reduce 函数：
    ○ 输入的key是质心，value是其它的样本，这时又一次计算聚类中心，将聚类中心put到一个所有变量t中。
Ø main 函数：
    ○ 在main里比較前一次的质心和本次的质心是否发生变化，假设变化，则继续迭代，否则退出。

注意点

实现过程的注意点：
1、hadoop是不存在自己定义的全局变量的。所以上面定义一个全局变量存放质心的想法是实现不了的。所以一个替代的思路是将质心存放在文件里。
2、存放质心的文件在什么地方读取，假设在map中读取。那么能够肯定我们是不能用一个mapreduce实现一次迭代。所以我们选择在main函数里读取质心，然后将质心set到configuration中。configuration在map和reduce都是可读。
3、怎样比較质心是否发生变化，是在main里比較么，读取本次质心和上一次质心的文件然后进行比較。这样的方法是能够实现的，可是显得不够高富帅，这个时候我们用到了自己定义的counter，counter是全局变量，在map和reduce中可读可写，在上面的思路中，我们看到reduce是有上次迭代的质心和刚刚计算出来的质心的。所以直接在reduce中进行比較就全然能够。假设没发生变化，counter加1。仅仅要在main里比較获取counter的值即可了。

详细实现思路

Ø main函数读取质心文件
Ø 将质心的字符串通过set放入configuration中
Ø 在mapper类重写setup方法，获取到configuration的质心内容，解析为二维数组的形式，代表质心
Ø mapper类中的map方法读取样本文件，跟全部质心进行距离计算，得出每一个样本跟哪个质心比较近，然后输出<质心, 样本>
Ø reducer类中再一次计算质心，假设再一次计算出来的质心跟读进来的质心一样，说明收敛，那么counter+1
Ø main中获取counter值，看看质心是否变化，假设还在变化，那就继续迭代，否则就退出。