08 分布式计算MapReduce--词频统计

WordCount程序任务：

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.用你最熟悉的编程环境，编写非分布式的词频统计程序。

• 读文件
• 分词（text.split列表）
• 按单词统计（字典,key单词，value次数）
• 排序（list.sort列表）
• 输出

 

2、编写py文件

读文件、分词、按单词统计、排序、输出

3、python3运行py文件分析txt文件。

 

 

2.2编写Reduce函数

• 编写reducer.py
• 授予可运行权限
• 本地测试reducer.py

编写mapper.py

授予可运行权限

本地测试mapper.py

 

 

2.2编写Reduce函数

编写reducer.py

授予可运行权限

本地测试reducer.py

 

2.3分布式运行自带词频统计示例

启动HDFS与YARN

准备待处理文件,上传到HDFS上

 

运行实例hadoop-mapreduce-examples-2.7.1.jar

查看结果

 

2.4 分布式运行自写的词频统计

• 用Streaming提交MapReduce任务：
  • 查看hadoop-streaming的jar文件位置：/usr/local/hadoop/share/hadoop/tools/lib/
  • 配置stream环境变量
  • 编写运行文件run.sh
  • 运行run.sh运行

1、用Streaming提交MapReduce任务：

查看hadoop-streaming的jar文件位置：/usr/local/hadoop/share/hadoop/tools/lib/

配置stream环境变量

 

编写运行文件run.sh

 

运行run.sh运行

 

查看运行结果

停止HDFS与YARN