码迷,mamicode.com
首页 > 其他好文 > 详细

理解Mapreduce

时间:2018-05-10 23:40:43      阅读:159      评论:0      收藏:0      [点我收藏+]

标签:nbsp   rip   error   理解   cep   之间   上传   文件   import   

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
  2. 将其权限作出相应修改
  3. 本机上测试运行代码
  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
  5. 查看运行结果

 

#! /usr/bin/python3
# Map函数
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/python3
 
# 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 current_word==word:
     print (%s\t%s % (current_word,current_count))

 

理解Mapreduce

标签:nbsp   rip   error   理解   cep   之间   上传   文件   import   

原文地址:https://www.cnblogs.com/li123/p/9021892.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!