mapreduce python编程实例

mapreduce python编程实例

1 - mapreduce使用python  WordCount实例
1.1 - mapper函数使用
vi mapper.py
#!/usr/bin/python
# _*_ coding:utf-8 _*_
#Filename:mapper.py

import sys
for line in sys.stdin:   #读取标准输入
    line = line.strip()  #删除前导和尾随空白
     words = line.split() #用split讲该行的单词分割成列表，每个单词就时一个列表项目，split的默认参数是空格，所以不传递任何参数时分割空格，在英文中也就等同于分割单词
    for word in words:
        print'%s\t%s'%(word,1)
 
[root@lsn-linux python]# echo "foo foo quux labs foo bar quux" |python /hadoop/hadoop-2.6.0/python/mapper.py
foo     1
foo     1
quux    1
labs    1
foo     1
bar     1
quux    1


2.2 - reduce函数使用
vim reduce.py
 #!/usr/bin/python
 #_*_ coding:utf-8 _*_
 #Filename:reduce.py
 
 from operator import itemgetter    //排序
 import sys
 
 word2count = {}   #定义一个字典
 
 for line in sys.stdin:
     line = line.strip()
     word,count = line.split('\t',1)
     try:
         count = int(count)
         word2count[word] = word2count.get(word,0)+count   #word2count.get(word,0)，查找word键值，如果不存在返回0，如果存在返回键值
     except ValueError:
         pass
 
 sorted_word2count = sorted(word2count.items(),key=itemgetter(0)) #用word2count.items()的第一个项目进行排序

 for word,count in sorted_word2count:
     print'%s\t%s'%(word,count)
 
 [root@lsn-linux python]# echo "foo foo quux labs foo bar quux"|python mapper.py|python reduce.py 
bar     1
foo     3
labs    1
quux    2




1.3 - 在mapreduce执行
拷贝./share/hadoop/tools/lib/hadoop-streaming-2.6.0.jar到hadoop目录