python写mapreduce_python实现mapreduce模式的例子

MapReduce是一种从函数式编程语言借鉴过来的模式，在某些场景下，它可以极大地简化代码。先看一下什么是MapReduce：

MapReduce是Google提出的一个软件架构，用于大规模数据集(大于1TB)的并行运算。概念“Map(映射)”和“Reduce(归纳)”，及他们的主要思想，都是从函数式编程语言借来的，还有从矢量编程语言借来的特性。

当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归纳)函数，用来保证所有映射的键值对中的每一个共享相同的键组。

简单来说，MapReduce就是把待处理的问题分解为Map和Reduce两个部分。而待处理的数据作为一个序列，每一个序列里的数据通过Map的函数进行运算，再通过Reduce的函数进行聚合成最终的结果。

下面使用mapreduce模式实现了一个简单的统计日志中单词出现次数的程序:

from functools import reduce

from multiprocessing import Pool

from collections import Counter

def read_inputs(file):

for line in file:

line = line.strip()

yield line.split()

def count(file_name):

file = open(file_name)

lines = read_inputs(file)

c = Counter()

for words in lines:

for word in words:

c[word] += 1

return c

def do_task():

job_list = ['log.txt'] * 10000

pool = Pool(8)

return reduce(lambda x, y: x+y, pool.map(count, job_list))

if __name__ == "__main__":

rv = do_task()