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/python3# Map函数import sysfor line in sys.stdin: line=line.strip() words=line.split() for word in words: print ('%s\t%s' % (word,1))#! /usr/bin/python3 # Reduce函数from operator import itemgetterimport syscurrent_word=Nonecurrent_count=0word=None for line in sys.stdin: line=line.strip() word,count=line.split('\t',1) try: count=int(count) except ValueError: continue if current_word==word: current_count+=count else: if current_word: print ('%s\t%s' % (current_word,current_count)) current_count=count current_word=wordif current_word==word: print ('%s\t%s' % (current_word,current_count))
- 将其权限作出相应修改
-
chmod a+x /home/hadoop/wc/mapper.pychmod a+x /home/hadoop/wc/reducer.py
- 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：
- 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
-
cd /usr/hadoopsodu mkdir hpcd /usr/hadoop/hp wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2008/3* cd /usr/hadoop/hp/data/ftp.ncdc.noaa.gov/pub/data/noaa/2008sudo zcat 3*.gz >hptext.txtcd /usr/hadoop/hp import sysfor line in sys.stdin: line = line.strip() dtext = line[15:23] text = line[87:92] print '%s\t%s' % (d,t) from operator import itemggetterimport sys current_word = Nonecurrent_count = 0word = None for line in sys.stdin: line = line.strip() word,count = line.split('\t', 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\t%s' % (current_word, current_count) current_count = count current_word = word if current_word == word: print '%s\t%s' % (current_word, current_count) chmod a+x /usr/hadoop/hp/mapper.pychmod a+x /usr/hadoop/hp/reducer.py
- 查看运行结果
