码迷,mamicode.com
首页 > 其他好文 > 详细

理解MapReduce

时间:2018-05-10 23:27:47      阅读:147      评论:0      收藏:0      [点我收藏+]

标签:开头   value   regex   get   error:   存在   爬取   spl   highlight   

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

 

 

编写map函数,reduce函数

#!/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 current_word==word:
     print ‘%s\t%s‘ % (current_word,current_count)

 

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

技术分享图片

 

放到HDFS上运行

 技术分享图片

 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

气象数据集下载地址为:ftp://ftp.ncdc.noaa.gov/pub/data/noaa

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)

解压数据集,并保存在文本文件中

对气象数据格式进行解析

编写map函数,reduce函数

将其权限作出相应修改

本机上测试运行代码

放到HDFS上运行

将之前爬取的文本文件上传到hdfs上

用Hadoop Streaming命令提交任务

查看运行结果

cd /usr/hadoop
sodu mkdir hp
cd /usr/hadoop/hp
  
wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2013/4*
  
cd /usr/hadoop/hp/data/ftp.ncdc.noaa.gov/pub/data/noaa/2014
sudo zcat 1*.gz >hptext.txt
cd /usr/hadoop/hp
  
  
import sys
for line in sys.stdin:
     line = line.strip()
     dtext = line[15:23]
     text = line[87:92]
  
     print ‘%s\t%s‘ % (d,t)
  
  
from operator import itemggetter
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:
         if current_count > count:
              current_count = count
     else:
         if current_word:
             print ‘%s\t%s‘ % (current_word, current_count)
         current_count = count
         current_word = word
  
if current_word == word:
     print ‘%s\t%s‘ % (current_word, current_count)
  
chmod a+x /usr/hadoop/hp/mapper.py
chmod a+x /usr/hadoop/hp/reducer.py

  

理解MapReduce

标签:开头   value   regex   get   error:   存在   爬取   spl   highlight   

原文地址:https://www.cnblogs.com/18128319239F/p/9021995.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!