码迷,mamicode.com
首页 > 其他好文 > 详细

理解MapReduce

时间:2018-05-10 23:23:33      阅读:184      评论:0      收藏:0      [点我收藏+]

标签:get   提交   图片   usr   stream   mapred   /usr   hadoop   split()   

1. 用Python编写WordCount程序并提交任务

#!/usr/bin/env python
import sys
for line in sys.stdin:
     line=line.strip()
     words=line.split()
     for word in words:
          print %s\t%s % (word,1)
#!/usr/bin/env python
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/wc/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" | ./mapper.py
echo "foo foo quux labs foo bar quux" | ./mapper.py | sort -k1,1 | ./reducer.py

技术分享图片

技术分享图片

技术分享图片

  1. 放到HDFS上运行
    1. 将之前爬取的文本文件上传到hdfs上技术分享图片
    2. 用Hadoop Streaming命令提交任务技术分享图片技术分享图片

      技术分享图片

       

       

      技术分享图片

      技术分享图片

       

  2. 查看运行结果

 技术分享图片

2. 用mapreduce 处理气象数据集

编写程序求每日最高最低气温,区间最高最低气温

  1. 气象数据集下载地址为:ftp://ftp.ncdc.noaa.gov/pub/data/noaa
  2. 按学号后三位下载不同年份月份的数据(例如201506110136号同学,就下载2013年以6开头的数据,看具体数据情况稍有变通)
  3. 解压数据集,并保存在文本文件中
  4. 对气象数据格式进行解析
  5. 编写map函数,reduce函数
  6. 将其权限作出相应修改
  7. 本机上测试运行代码
  8. 放到HDFS上运行
    1. 将之前爬取的文本文件上传到hdfs上
    2. 用Hadoop Streaming命令提交任务
  9. 查看运行结果

理解MapReduce

标签:get   提交   图片   usr   stream   mapred   /usr   hadoop   split()   

原文地址:https://www.cnblogs.com/lzhshuai/p/9021937.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!