Spark下使用python写wordCount

安装spark就省略了,网上很多方法。
test-data.txt文件
a b c
aaa
bbb
ccc
a b c
c
b
a
vi wordcount.py
#!/usr/bin/env python
#-*-conding:utf-8-*-

import logging
from operator import add
from pyspark import SparkContext

logging.basicConfig(format='%(message)s', level=logging.INFO)  

#import local file
test_file_name = "file:///var/lib/hadoop-hdfs/spark_test/test-data.txt"  
out_file_name = "file:///var/lib/hadoop-hdfs/spark_test/spark-out"

sc = SparkContext("local","wordcount app")

# text_file rdd object
text_file = sc.textFile(test_file_name)

# counts
counts = text_file.flatMap(lambda line: line.split(" ")).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)
counts.saveAsTextFile(out_file_name)
读取文件默认是从hdfs读取文件,也可以指定sc.textFile("路径").在路径前面加上hdfs://表示从hdfs文件系统上读

本地文件读取 sc.textFile("路径").在路径前面加上file:// 表示从本地文件系统读,如file:///home/user/spark/README.md


运行程序使用spark-submit
$ spark-submit /var/lib/hadoop-hdfs/spark_test/wordcount.py

查看结果
cat spark-out/part-00000
(u'a', 3)
(u'', 1)
(u'c', 3)
(u'b', 3)
(u'aaa', 1)
(u'bbb', 1)
(u'ccc', 1)

参考:http://blog.csdn.net/vs412237401/article/details/51823228

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值