理解Mapreduce
Posted 112李立建
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了理解Mapreduce相关的知识,希望对你有一定的参考价值。
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
-
- 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
以上是关于理解Mapreduce的主要内容,如果未能解决你的问题,请参考以下文章