码迷,mamicode.com
首页 > 其他好文 > 详细

理解MapReduce

时间:2018-05-10 23:22:33      阅读:152      评论:0      收藏:0      [点我收藏+]

标签:字母   port   下载   ado   foo   技术分享   image   mapred   理解   

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

  1. 编写map函数,reduce函数
    # map函数
    import sys
    for i in stdin:
         i = i.strip()
         words = i.split()
         for word in words:
             print ‘%s\t%s‘ % (word,1)
    
    #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 word == current_word: 
        print "%s\t%s" % (current_word, current_count)
    
  2. 将其权限作出相应修改
    chmod a+x /home/hadoop/mapper.py
    
    chmod a+x /home/hadoop/wc/reducer.py
    

     

  3. 本机上测试运行代码
    echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py
    echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py | sort -k1,1 | /home/hadoop/wc/reducer.p
    

     

  4. 放到HDFS上运行技术分享图片

     

  5. 下载并上传文件到hdfs上

    技术分享图片

    技术分享图片

    技术分享图片

  6. 用Hadoop Streaming命令提交任务先找到Streaming的Jar包

    技术分享图片

      配置默认环境变量

    技术分享图片

      让配置生效并测试

    技术分享图片

      编写run.sh脚本程序

    技术分享图片

     

    技术分享图片

    运行结果

    技术分享图片

    技术分享图片

    技术分享图片

理解MapReduce

标签:字母   port   下载   ado   foo   技术分享   image   mapred   理解   

原文地址:https://www.cnblogs.com/qq157049540/p/9021771.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!