map-reduce练习

练习1:有如下的数据,其中第一列为用户ID,后面数列为他的朋友ID

A B C D E F
B A H C D E I
C B E G A J
D A B E
E H A B C D G
F A J G
G C E F I
H B J E
I G B
J H C F

编写map-reduce任务完成:找到所有有共同朋友的用户ID对
生成格式为 (用户ID,用户ID 共同朋友ID)

B,C A
D,A E

1.创建文本文件1.txt用于保存数据
vim 1.txt
A B C D E F
B A H C D E I
C B E G A J
D A B E
E H A B C D G
F A J G
G C E F I
H B J E
I G B
J H C F

2.编写mapper

vim mapper.py
#!/usr/bin/env python
import sys
for line in sys.stdin:
        line = line.strip()
        ids = line.split()
        for id in ids[1:]:
                print '%s\t%s'%(id,ids[0])

3.编写reducer

#!/usr/bin/env python
#__coding:utf8__
import sys
from operator import itemgetter
#用于保存当前共同朋友的id
current_common_id = None
#用于保存上一个共同朋友的id
common_id = None
#定义列表,用于保存有共同朋友的所有用户id
current_ids = []
for line in sys.stdin:
        line = line.strip()
        current_common_id,friend_id = line.split('\t',1)
        if current_common_id == common_id:
                current_ids +=friend_id[0]
        else:
                if common_id:
                        print '%s\t%s'%(",".join(current_ids),common_id)
                common_id = current_common_id
                current_ids=friend_id[0]
#考虑最后一条
print '%s\t%s'%(','.join(current_ids),common_id)
        

4.本地测试

cat 1.txt |python mapper.py

输出结果如下图:


排序:
cat 1.txt |python mapper.py |sort

输出结果如下图:


交给reducer:
cat 1.txt |python mapper.py |sort|python reduce.py 
输出如下结果:


练习二:
编写map-reduce任务完成下列日志处理的问题

用户手机号 出现的地点 出现的时间 逗留的时间
111111111 2 2014-02-18 19:03:56.123445 133
222222222 1 2013-03-14 03:18:45.263536 241
333333333 3 2014-10-23 17:14:23.176345 68
222222222 1 2013-03-14 03:20:47.123445 145
333333333 3 2014-09-15 15:24:56.222222 345
222222222 2 2011-08-30 18:13:58.111111 145
222222222 2 2011-08-30 18:18:24.222222 130

期望生成的结果按照手机号分组,按照地点和出现时间排序:
222222222 2 2011-08-30 18:13:58.111111 145
222222222 2 2011-08-30 18:18:24.222222 130
222222222 1 2013-03-14 03:18:45.263536 24
111111111 ~~
333333333 ~~

1.编写文件2.txt用于保存日志文本
vim 2.txt111111111 2 2014-02-18 19:03:56.123445 133
222222222 1 2013-03-14 03:18:45.263536 241
333333333 3 2014-10-23 17:14:23.176345 68
222222222 1 2013-03-14 03:20:47.123445 145
333333333 3 2014-09-15 15:24:56.222222 345
222222222 2 2011-08-30 18:13:58.111111 145
222222222 2 2011-08-30 18:18:24.222222 130

2.编写mapper2.py

vim mapper2.py
#!/usr/bin/env python
import sys
for line in sys.stdin:
        line = line.strip()
        print line

3.排序

cat 2.txt|python mapper2.py |sort -k 3

输出结果如下:

![%E5%9B%BE%E7%89%87.png](attachment:%E5%9B%BE%E7%89%87.png)

此题好像不需要reduce

练习3
有如下格式的日志:
id_a, id_b, id_c, id_d
id_a, id_a, id_f
id_b, id_b, id_d, id_f, id_a
id_m, id_n
编写 map-reduce 任务,统计每一行最后字母的个数。

1.编写3.txt用于保存文本
vim 3.txt
id_a, id_b, id_c, id_d
id_a, id_a, id_f
id_b, id_b, id_d, id_f, id_a
id_m, id_n

2.编写mapper

vim mapper3.py
#!/usr/bin/env python
import sys
for line in sys.stdin:
        line=line.strip()
        words=line.split(', ')
        for word in words:
                print '%s\t1' % word[-1]

3.编写reducer

vim reduce3.py
#!/usr/bin/env python
import sys
cur_letter=None
cur_count=0
for line in sys.stdin:
    line=line.strip()
    letter,count=line.split()
    if letter==cur_letter:
        cur_count+=1
    else:
        if cur_letter!=None:
            print "%s\t%d" %(cur_letter,cur_count)
        cur_letter=letter
        cur_count=1
print "%s\t%d" %(cur_letter,cur_count)

4.本地运行

cat 3.txt |python mapper3.py|sort|python reduce3.py 

运行结果如下:


  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
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