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

编写map函数；reduce函数

#! /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))

 

#！ /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))

 2、将其权限修改

chmod a+x /home/hadoop/wc/mapper.py
chmod a+x /home/hadoop/wc/reducer.py

 3、查看本机代码

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

 

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