数据准备：

canopy.dat文件。COPY到HDFS上。文件内容例如以下：

8.1  8.1  7.1  7.1  6.2  6.2  7.1  7.1  2.1  2.1  1.1 1.1  0.1 0.1  3.0 3.0

算法简单说明，过程例如以下:

（1） 将全部数据放进list中，选择两个距离。T1。T2，T1>T2（2）While(list不为空){ 随机选择一个节点做canopy的中心；并从list删除该点。遍历list：对于不论什么一条记录，计算其到各个canopy的距离；假设距离
     
      
       T1,那么将这条记录作为一个新的canopy的中心。并从list中删除这个元素；}

预期的结果应该是：

Canopy 1 (8.1,8.1) :[ (8.1,8.1),  (7.1,7.1),  (6.2,6.2) ,(7.1,7.1) ]Canopy 2 (2.1,2.1) :[ (2.1,2.1), (1.1,1.1) ,(0.1,0.1),  (3.0,3.0)  ]Canopy 3 (0.1,0.1) :[ (0.1,0.1)]

以下開始用Mahout实现

# 1.将数据文件转换成向量

mahout用InputDriver数据转换时候。须要数据默认用空格分隔

mahout org.apache.mahout.clustering.conversion.InputDriver -i /user/hdfs/canopy/in/canopy.dat -o /user/hdfs/canopy/vecfile -v org.apache.mahout.math.RandomAccessSparseVector

# 2. 调用命令

mahout canopy -i /user/hdfs/canopy/vecfile -o /user/hdfs/canopy/out/result -t1 8 -t2 4 -ow -cl

參数说明：

CanopyDriver.main(args);
--input (-i)	输入路径
--output(-o)	输出路径
--distanceMeasure(-dm)	距离度量类的权限命名，如：”org.apache.mahout.common.distance.CosineDistanceMeasure”
--t1 (-t1)	t1值（t1>t2）
--t2 (-t2)	t2值
--t3 (-t3)	t3值，默认t3=t1
--t4(-t4)	t4值，默认t4=t2
--overwrite (-ow)	是否覆盖上次操作的结果
--clustering (-cl)	是否运行聚类操作，即划分数据
--method (-method)	默认，mapreduce。还可选sequential，运行单机模式

# 3.查看结果

mahout seqdumper -i /user/hdfs/canopy/out/result/clusters-0-final/part-r-00000  -o /home/hadoop/output/result#关联各个点mahout clusterdump -i /user/hdfs/canopy/out/result/clusters-0-final/part-r-00000  -o /home/hadoop/output/result -p /user/hdfs/canopy/out/result/clusteredPoints