Hadoop 的 MapReduce 词频统计案例，适合练手，也适合熟悉集群环境下的数据。用的是最经典的WordCount模型，逻辑清晰、结构简单。文章里通过 Linux 下的 Hadoop 集群跑起来，蛮接地气的，适合入门 MapReduce 的朋友看一看。

Map 阶段就是按行读取文本，用 Java 的StringTokenizer按空格分词。Reduce 阶段统计每个单词的数量，输出结果。虽然思路老套点，但胜在稳，跑大文本性能还不错。

搭配 Hadoop 集群使用，推荐你先搞定基础环境。可以参考这些：Linux 下的 Hadoop 安装，还有MapReduce 数据这篇也蛮实用的，能顺一下思路。

想玩点进阶的？比如中英文混合文本的TopN统计，也有现成的例子，看看这个TopN 中英文词频，细节比较多，适合抠细节。

另外，开发环境也别忽略，MapReduce 插件集成包用起来挺顺手的，少折腾。Windows 用户要注意winutils.exe，不然环境变量容易出坑，相关看这里：Windows 访问 Hadoop 集群。

如果你想从 0 搭一个完整环境，再从WordCount玩到复杂的流式统计，那这些资源可以一步步带你起飞。别怕老套路，练熟了再进阶也不迟。