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