标签：tmp 基于 time code app combine stream style 选项
# pv_day.py
#!/usr/bin/env python # coding=utf-8 from mrjob.job import MRJob from nginx_accesslog_parser import NginxLineParser class PvDay(MRJob): nginx_line_parser = NginxLineParser() def mapper(self, _, line): self.nginx_line_parser.parse(line) day, _ = str(self.nginx_line_parser.time_local).split() yield day, 1 # 每一天的 def reducer(self, key, values): yield key, sum(values) def main(): PvDay.run() if __name__ == ‘__main__‘: main()
定义了一个集成MRJob类的job类，这个类包含定义好的steps。
一个‘step’包含一个mapper，combiner和一个reducer，这些是可选的，但是必须使用至少一个。
mapper()方法有两个参数key,value（这个例子中，key被忽略，每行日志作为一个value），并生成key-value对。
reduce()方法接受一个key和一个可迭代的values，并生成许多key-value对（这个例子中，计算每个key对应values值得和，也就是每天对应的PV）。
基本方式：
# python3 pv_day.py access_all.log-20161227
No configs found; falling back on auto-configuration
Creating temp directory /tmp/pv_day.root.20161228.022837.113256
Running step 1 of 1...
Streaming final output from /tmp/pv_day.root.20161228.022837.113256/output...
"2016-12-27" 47783
"2016-12-26" 299427
Removing temp directory /tmp/pv_day.root.20161228.022837.113256...
标准输入stdin方式，这种方式只接受第一个文件
# python3 pv_day.py < access_all.log-20161227 No configs found; falling back on auto-configuration Creating temp directory /tmp/pv_day.root.20161228.024431.884434 Running step 1 of 1... reading from STDIN Streaming final output from /tmp/pv_day.root.20161228.024431.884434/output... "2016-12-27" 47783 "2016-12-26" 299427 Removing temp directory /tmp/pv_day.root.20161228.024431.884434...
混合方式：
python3 pv_day.py input1.txt input2.txt - < input3.txt
分布式：
默认情况下，mrjob执行job使用单个Python进程，这里只是调试，并不是精确的分布式计算！
如果使用分布式计算，可以使用 -r/--runner选项。 使用 -r inline（默认）， -r local, -r hadoop, -r emr
# python pv_day.py -r hadoop hdfs://my_home/input.txt
二、基于hadoop的nginx访问日志分析---计算日pv
标签：tmp 基于 time code app combine stream style 选项
原文地址：http://www.cnblogs.com/xiaoming279/p/6228609.html
