码迷,mamicode.com
首页 > 其他好文 > 详细

理解MapReduce

时间:2018-05-10 23:29:29      阅读:140      评论:0      收藏:0      [点我收藏+]

标签:apr   编写   排序   usr   nbsp   每日   split()   不同   int   

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
    #!/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)
  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

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

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

 

理解MapReduce

标签:apr   编写   排序   usr   nbsp   每日   split()   不同   int   

原文地址:https://www.cnblogs.com/guoyaowen/p/9021786.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!