你的问题的简单答案是你不直接在Map绘制者之间交流。。。这与map-reduce计算模式背道而驰。相反，您需要构造您的算法，以便map阶段输出的键值可以被reducer阶段以智能的方式使用和聚合。
从你在这个问题上的背景资料可以清楚地看出，计算你感兴趣的条件概率实际上只是一个计算的练习。这里通常的模式是在一个map reduce过程中进行所有计数，然后获取这些输出并在之后划分适当的数量（尝试将它们放入map reduce过程会增加不必要的复杂性）
实际上，您只需要一个数据结构来跟踪您要计算的内容。如果速度是必须的，您可以使用一组具有隐式索引的数组来实现这一点，但是用单个hashmap来进行说明是很简单的。因为我们不感兴趣
python中用于hadoop流的Map程序代码

import sys
output={}

for line in sys.stdin:
   temp=line.strip().split('\t')
   # we should sort the input so that all occurrences of items x and y appear with x before y
   temp.sort()
   # count the occurrences of all the single items
   for item in temp:
      if item in output:
         output[item]+=1
      else:
         output[item]=1

   #count the occurrences of each pair of items
   for i in range(len(temp)):
      for j in range(i+1,len(temp)):
         key=temp[i]+'-'+temp[j]
         if key in output:
            output[key]+=1
         else:
            output[key]=1
   #you can triple nest a loop if you want to count all of the occurrences of each 3 item pair, but be warned the number of combinations starts to get large quickly
   #for 100 items as in your example there would be 160K combinations

# this point of the program will be reached after all of the data has been streamed in through stdin

# output the keys and values of our output dictionary with a tab separating them

for data in output.items():
   print data[0]+'\t'+data[1]

# end mapper code

现在，reducer的代码与所有如此丰富的字数计算示例相同。这里可以找到一个带有map reduce流的python代码示例。map reduce程序的输出将是一行，其中的键描述已计数的内容以及每个项目的出现次数，以及所有对的键和出现次数，从那里您可以编写一个程序来计算您感兴趣的条件概率。