理解MapReduce计算构架

用Python编写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

• 编写map函数，reduce函数

cd ~/hadoop
mkdir wc
cd ~/hadoop/wc
gedit mapper.py
gedit reducer.py

　　

　　

• 将其权限作出相应修改

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

• 本机上测试运行代码

• 放到HDFS上运行，下载并上传文件到hdfs上

cd  ~/hadoop/wc
wget http://www.gutenberg.org/files/5000/5000-8.txt
wget http://www.gutenberg.org/cache/epub/20417/pg20417.txt

• 用Hadoop Streaming命令提交任务

　　1.找到Streaming的Jar包，配置默认环境变量

　　

gedit ~/.bashrc

　　

　　2.让配置生效并测试

　　

　　3.建立一个shell名称为run.sh来运行：

gedit run.sh

　　

　　4.让配置生效

 　　

　　5.查看wcoutput内容

　　

　　

　　6.结果