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: