mapreduce python实例_Python MapReduce大小写,PythonMapReduce,案例

这段代码展示了如何使用Hadoop进行词频统计。通过mapper和reducer两个阶段,mapper负责切分输入文本并过滤单词,reducer则计算每个单词的总数。最后,Hadoop命令行用于执行这个流程。
摘要由CSDN通过智能技术生成

map_t.py

import sys

import re

p = re.compile(r'\w+')

for line in sys.stdin:

ss = line.strip().split(' ')

for s in ss:

if len(p.findall(s)) < 1:

continue

s_low = p.findall(s)[0].lower()

print(s_low + ',' + '1')

reduce_t.py

import sys

cur_word = None

s = 0

for line in sys.stdin:

word, val = line.strip().split(',')

if cur_word is None:

cur_word = word

if cur_word != word:

print('%s\t%s' % (cur_word, s))

cur_word = word

s = 0

s += int(val)

print('%s\t%s' % (cur_word, sum))

HADOOP_CMD="/usr/local/src/hadoop-2.6.1/bin/hadoop"

STREAM_JAR_PATH="/usr/local/src/hadoop-2.6.1/share/hadoop/tools/lib/hadoop-streaming-2.6.1.jar"

INPUT_FILE_PATH="/data/words.txt"

OUTPUT_PATH="/output/wc"

$HADOOP_CMD fs -rmr -skipTrash $OUTPUT_PATH

# Step 1.

$HADOOP_CMD jar $STREAM_JAR_PATH \

-input $INPUT_FILE_PATH \

-output $OUTPUT_PATH \

-mapper "python map_t.py" \

-reducer "python red_t.py" \

-file ./map_t.py \

-file ./red_t.py

  • 0
    点赞
  • 0
    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