利用Hadoop streaming 进行词频统计

创建一个文件夹

bin/hdfs dfs -mkdir /input

将要统计的文件上传到hadoop
bin/hadoop fs -put /test.txt /input

利用hadoop进行词频统计
bin/hadoop jar share/hadoop/tools/lib/Hadoop-streaming-2-9-2.jar –input /test.txt –output /user/results.txt –mapper /bin/cat -reducer /usr/bin/wc

删除results.txt文件

./bin/hadoop dfs -rmr /user/results.txt

查看results.txt文件目录

bin/hadoop dfs -ls /user/results.txt

查看统计结果

bin/hadoop dfs -ls /user/results.txt/part-0000

 

转载于:https://www.cnblogs.com/BigWatermelon/p/10844953.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Hadoop StreamingHadoop 生态系统的一部分,它允许我们使用非 Java 编写的 MapReduce 程序来进行数据处理。在词频统计任务中,我们可以使用 Hadoop Streaming进行高效的词频统计。 首先,我们需要将我们的数据准备好,并以文本文件的形式存储在 Hadoop 分布式文件系统(HDFS)中。接下来,我们需要编写一个用于词频统计的 MapReduce 程序,这个程序可以使用任何非 Java 编程语言编写。 在 Map 阶段,我们可以使用一个脚本(比如 Python、Ruby 等)来解析每一行的文本数据,并将每个单词以键值对的方式输出。键为单词,值为数字 1,表示这个单词出现了一次。 在 Reduce 阶段,我们可以使用另一个脚本来将相同键的值进行累加。这样,我们就可以得到每个单词的词频。 通过 Hadoop Streaming,我们可以将这两个脚本作为 Map 和 Reduce 程序进行提交到 Hadoop 集群上,并通过命令行或脚本来执行任务。Hadoop Streaming 将负责调度、分配任务,并将最终的统计结果输出到指定的文件中。 总的来说,Hadoop Streaming 提供了一种灵活、高效的方式来进行词频统计。使用非 Java 编程语言来编写 MapReduce 程序可以降低学习成本,并提高开发的效率。同时,Hadoop Streaming 也充分利用Hadoop 的分布式计算能力,可以处理大规模的数据,提供可靠、高性能的词频统计服务。
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