理解Mapreduce

Posted 2020-11-04 108-杨晓彬

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/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)

   chmod a+x /home/hadoop/wc/mapper.py
   chmod a+x /home/hadoop/wc/reducer.py

    

   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