Python 进行 hadoop MapReduce操作

本文介绍了如何使用Python在Linux环境下进行Hadoop MapReduce的WordCount实例,详细阐述了map.py和reduce.py的实现,并讲解了如何为hadoop-streaming-2.6.5.jar添加执行权限以及运行MapReduce任务。同时,讨论了Hadoop的常用配置,包括调整reduce数量、设置节点白名单和执行多任务结合操作。

一般可以在linux下可以进行测试操作

cat inputfile | python mapper.py | sort | python reducer.py > outputfile 
单词统计 WordCount

制作一个mapReduce操作需要一个map.py 和 reduce.py

map.py

import sys

for line in sys.stdin:
	line_words = line.strip().split(' ')
	for word in line_words:
		print '%s\t1'%(word.strip())

reduce.py

import sys

cur_word = None
sum = 0

for line in sys.stdin:
	word,count = line.strip().split('\t')
	try:
		count = int
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