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
放到HDFS上运行
查看运行结果
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
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
