栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 前沿技术 > 大数据 > 大数据系统

MapReduce实现

MapReduce实现

用python实现编程实现文件合并和去重操作 1.查看python环境

2.编写mapper函数和reducer函数

在/usr/local/hadoop/wc文件夹下(如果没有文件夹就创建一个)

gedit mapper.py
mapper.py
#!/usr/bin/env python3
# encoding=utf-8

lines = {}

import sys
for line in sys.stdin:
    line = line.strip()
    key, value = line.split()
    if key not in lines.keys():
        lines[key] = []
    if value not in lines[key]:
        lines[key].append(value)
        lines[key] = sorted(lines[key])

for key, value in lines.items():
    print(key, end = ' ')
    for i in value:
        print(i, end = ' ')
    print()

gedit reducer.py
reducer.py
#!/usr/bin/env python3
# encoding=utf-8

import sys

key, values = None, []

for line in sys.stdin:
    line = line.strip().split(' ')
    if key == None:
        key = line[0]
    if line[0] != key:
        key = line[0]
        values = []
    if line[1] not in values:
        print('%st%s' % (line[0], line[1]))
        values.append(line[1])

3.可运行权限设定与查看
chomod a+x ./mapper.py
chomod a+x ./mapper.py

4.在Hadoop上运行实现文件合并和去重操作 编写A.txt,B.txt
gedit A.txt

20150101 x
20150102 y
20150103 x
20150104 y
20150105 z
20150106 x

gedit B.txt

20150101 y
20150102 y
20150103 x
20150104 z
20150105 y

在Hadoop上运行Python代码

如果hdfs命令有问题就添加下环境变量

export PATH=$PATH:/usr/local/hadoop/bin

如果没有input文件夹则需要创建

export STREAM=$HADOOP_HOME/share/hadoop/tools/lib/hadoop-streaming-*.jar

hadoop jar $STREAM  
-file /usr/local/hadoop/wc/mapper.py 
-mapper /usr/local/hadoop/wc/mapper.py 
-file /usr/local/hadoop/wc/reducer.py 
-reducer /usr/local/hadoop/wc/reducer.py 
-input /input/* 
-output /output
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/687276.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号