理解MapReduce

时间：2018-05-10 23:42:05 阅读：170 评论：0 收藏：0 [点我收藏+]

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

A.编写map函数，reduce函数B.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

C.本机上测试运行代码

D.放到HDFS上运行查看运行结果

a.将之前爬取的文本文件上传到hdfs上

b.用Hadoop Streaming命令提交任务

E.查看运行结果

#！/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)