理解MapReduce

1. 用Python编写WordCount程序并提交任务

程序

WordCount

输入

一个包含大量单词的文本文件

输出

文件中每个单词及其出现次数(频数),并按照单词字母顺序排序,每个单词和其频数占一行,单词和频数之间有间隔

  1. 编写map函数,reduce函数
    #! /usr/bin/python3
    # Map函数
    import sys
    for line in sys.stdin:
         line=line.strip()
         words=line.split()
         for word in words:
              print ('%s\t%s' % (word,1))
    #! /usr/bin/python3
    
    # Reduce函数
    from operator import itemgetter
    import sys
    current_word=None
    current_count=0
    word=None
    
    for line in sys.stdin:
         line=line.strip()
         word,count=line.split('\t',1)
         try:
              count=int(count)
         except ValueError:
              continue
         if current_word==word:
              current_count+=count
         else:
              if current_word:
                  print ('%s\t%s' % (current_word,current_count))
              current_count=count
              current_word=word
    if current_word==word:
         print ('%s\t%s' % (current_word,current_count))

     

  2. 将其权限作出相应修改
    sudo chmod 777 mapper.py
    sudo chmod 777 reducter.py

     

  3. 本机上测试运行代码
    echo "Hello World, Bye World" | ./mapper.py
    
    echo "Hello World, Bye World" | ./mapper.py | sort -k1,1 | ./reducter.py

     

  4. 放到HDFS上运行
    1. 将之前爬取的文本文件上传到hdfs上
    2. 用Hadoop Streaming命令提交任务
  5. 查看运行结果

 

 

posted @ 2018-05-10 21:32  096许演杰  阅读(88)  评论(0编辑  收藏  举报