理解MapReduce
Posted 097黄大贞
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。
用Python编写WordCount程序任务
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
# map函数 import sys for i in stdin: i = i.strip() words = i.split() for word in words: print \'%s\\t%s\' % (word,1)
#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 word == current_word: print "%s\\t%s" % (current_word, current_count)
- 将其权限作出相应修改
chmod a+x /home/hadoop/mapper.py chmod a+x /home/hadoop/wc/reducer.py
- 本机上测试运行代码
echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py echo "foo foo quux labs foo bar quux" | /home/hadoop/wc/mapper.py | sort -k1,1 | /home/hadoop/wc/reducer.p
- 放到HDFS上运行
- 下载并上传文件到hdfs上
- 用Hadoop Streaming命令提交任务先找到Streaming的Jar包
配置默认环境变量
让配置生效并测试
编写run.sh脚本程序
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