1. 程式人生 > >用Python編寫WordCount程序任務

用Python編寫WordCount程序任務

氣象 文本文 con accept stdin hdfs 文本 width exce

1. 用Python編寫WordCount程序並提交任務

程序

WordCount

輸入

一個包含大量單詞的文本文件

輸出

文件中每個單詞及其出現次數(頻數),並按照單詞字母順序排序,每個單詞和其頻數占一行,單詞和頻數之間有間隔

2.編寫map函數,reduce函數

技術分享圖片
import sys
for line in sys.stdin:
     line=line.strip()
     words=line.split()
     for word in words:
          print ‘%s\t%s‘ % (word,1)
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(‘\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=word
if current_word==word:
     print ‘%s\t%s‘ % (current_word,current_count)
技術分享圖片

3.將其權限作出相應修改

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

4.本機上測試運行代碼

技術分享圖片

5.查看運行結果

技術分享圖片

2. 用mapreduce 處理氣象數據集

編寫程序求每日最高最低氣溫,區間最高最低氣溫

  1. 氣象數據集下載地址為:ftp://ftp.ncdc.noaa.gov/pub/data/noaa
  2. 按學號後三位下載不同年份月份的數據(例如201506110136號同學,就下載2013年以6開頭的數據,看具體數據情況稍有變通)
    wget -D --accept-regex=REGEX -p data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2013/6*
  3. 解壓數據集,並保存在文本文件中
    zcat ftp.ncdc.noaa.gov/pub/data/noaa/2013/6*.gz >qxdatazwt.txt
  4. 對氣象數據格式進行解析

技術分享圖片

  5.編寫map函數,reduce函數

技術分享圖片

  1. 將其權限作出相應修改
    chmod a+x /home/hadoop/mapper.py
    chmod a+x /home/hadoop/wc/reducer.py
  2. 本機上測試運行代碼

放到HDFS上運行

技術分享圖片

將之前爬取的文本文件上傳到hdfs上

用Hadoop Streaming命令提交任務

查看運行結果

技術分享圖片

技術分享圖片

用Python編寫WordCount程序任務