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

编写map函数，reduce函数

#！/usr/bin/env python
import sys
for line in sys.stdin:
     line=line.strip()
     words=line.split()
     for word in words:
          print '%s	%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('	',1)
     try:
          count=int(count)
     except ValueError:
          continue
     if current_word==word:
          current_count+=count
     else:
          if current_word:
              print '%s	%s' % (current_word,current_count)
          current_count=count
          current_word=word
if current_word==word:
     print '%s	%s' % (current_word,current_count)

　

将其权限作出相应修改

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

本机上测试运行代码

放到HDFS上运行

 

 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

气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/pub/data/noaa

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）

解压数据集，并保存在文本文件中

对气象数据格式进行解析

编写map函数，reduce函数

将其权限作出相应修改

本机上测试运行代码

放到HDFS上运行

将之前爬取的文本文件上传到hdfs上

用Hadoop Streaming命令提交任务

查看运行结果

cd /usr/hadoop
sodu mkdir hp
cd /usr/hadoop/hp
  
wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2013/4*
  
cd /usr/hadoop/hp/data/ftp.ncdc.noaa.gov/pub/data/noaa/2014
sudo zcat 1*.gz >hptext.txt
cd /usr/hadoop/hp
  
  
import sys
for line in sys.stdin:
     line = line.strip()
     dtext = line[15:23]
     text = line[87:92]
  
     print '%s	%s' % (d,t)
  
  
from operator import itemggetter
import sys
  
current_word = None
current_count = 0
word = None
  
for line in sys.stdin:
     line = line.strip()
     word,count = line.split('	', 1)
     try:
          count = int(count)
     except ValueError:
          continue
  
     if current_word == word:
         if current_count > count:
              current_count = count
     else:
         if current_word:
             print '%s	%s' % (current_word, current_count)
         current_count = count
         current_word = word
  
if current_word == word:
     print '%s	%s' % (current_word, current_count)
  
chmod a+x /usr/hadoop/hp/mapper.py
chmod a+x /usr/hadoop/hp/reducer.py