理解MapReduce-用Python编写WordCount程序并提交任务

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、将其权限进行修改

3、在本机上运行测试代码

4、在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

扫描二维码关注公众号，回复： 436342 查看本文章

#！ /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))

修改*.py文件权限

sudo chmod 777 mapper.py
sudo chmod 777 reducter.py

执行测试代码

echo "Hello World, Bye World" | ./mapper.py

echo "Hello World, Bye World" | ./mapper.py | sort -k1,1 | ./reducter.py

查看结果