码迷,mamicode.com
首页 > 其他好文 > 详细

理解MapReduce

时间:2018-05-10 23:24:46      阅读:185      评论:0      收藏:0      [点我收藏+]

标签:color   alpha   item   print   ext   lis   image   图片   文件   

1. 用Python编写WordCount程序并提交任务

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
    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

    技术分享图片技术分享图片

  4. 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
      技术分享图片技术分享图片技术分享图片
  5. 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
cd /usr/hadoop
sodu mkdir qx
cd /usr/hadoop/qx

wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2009/4*  
zcat data/ftp.ncdc.noaa.gov/pub/data/noaa/2009/4*.gz >qxdata.txt
chmod a+x /home/hadoop/qx/mapper.py
chmod a+x /home/hadoop/qx/reducer.py
import sys

for line in sys.stdin:
    line = line.strip()
    print(%s\t%d % (line[15:23], int(line[87:92])))
from operator import itemgetter
import sys

current_date = None
current_temperature = 0
date = None

for line in sys.stdin:
    line = line.strip()
    date, temperature = line.split(\t, 1)
    try:
        temperature = int(temperature)
    except ValueError:
        continue

    if current_date == date:
        if current_temperature < temperature:
            current_temperature = temperature
    else:
        if current_date:
            print(%s\t%d % (current_date, current_temperature))
        current_temperature = temperature
        current_date = date

if current_date == date:
    print(%s\t%d % (current_date, current_temperature))

 

 

理解MapReduce

标签:color   alpha   item   print   ext   lis   image   图片   文件   

原文地址:https://www.cnblogs.com/ming-z/p/9022006.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!