理解Mapreduce

1. 用Python编写WordCount程序并提交任务

程序	WordCount
输入	一个包含大量单词的文本文件
输出	文件中每个单词及其出现次数（频数），并按照单词字母顺序排序，每个单词和其频数占一行，单词和频数之间有间隔

1. 编写map函数，reduce函数

2. #！/usr/bin/env python
   import sys
   for line in sys.stdin:
        line=line.strip()
        words=line.split()
        for word in words:
             print '%s\t%s' % (word,1)
   
   
   
   
   
   
   
   
   
   

   #！/usr/bin/env python
   from operator import itemgetter
   import sys
   current_word=None
   current_count=0
   word=None
   
   for line in sys.stdin: line=line.strip() word,count=line.split('\t',1) try: count=int(count) except ValueError: continue if current_word==word: current_count+=count else: if current_word: print '%s\t%s' % (current_word,current_count) current_count=count current_word=word if current_word==word: print '%s\t%s' % (current_word,current_count)

3. 将其权限作出相应修改

4. chmod a+x /home/hadoop/wc/mapper.py
   chmod a+x /home/hadoop/wc/reducer.py

5. 本机上测试运行代码
   1. 
   1. 

       

6. 查看运行结果

    

2. 用mapreduce 处理气象数据集

编写程序求每日最高最低气温，区间最高最低气温

1. 气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/pub/data/noaa
2. 按学号后三位下载不同年份月份的数据（例如201506110136号同学，就下载2013年以6开头的数据，看具体数据情况稍有变通）
3. 

    

4. 解压数据集，并保存在文本文件中
5. 

    

6. 对气象数据格式进行解析
7. 

    

8. 编写map函数，reduce函数
9. 将其权限作出相应修改
10. 本机上测试运行代码
11. 放到HDFS上运行
    1. 将之前爬取的文本文件上传到hdfs上
    2. 用Hadoop Streaming命令提交任务
12. 查看运行结果

转载于:https://www.cnblogs.com/god1924668503/p/9019088.html