用Python編寫WordCount程式任務

標籤：+=   count   下載   間隔   stream   split()   info   編寫程式   txt   

1. 用Python編寫WordCount程式並提交任務

程式	WordCount
輸入	一個包含大量單詞的文字檔
輸出	檔案中每個單詞及其出現次數（頻數），並按照單詞字母順序排序，每個單詞和其頻數佔一行，單詞和頻數之間有間隔

2.編寫map函數，reduce函數

import sysfor line in sys.stdin:     line=line.strip()     words=line.split()     for word in words:          print ‘%s\t%s‘ % (word,1)from operator import itemgetterimport syscurrent_word=Nonecurrent_count=0word=Nonefor 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)

3.將其許可權作出相應修改

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

4.本機上測試回合代碼

 

5.查看運行結果

 

2. 用mapreduce 處理氣象資料集

編寫程式求每日最高最低氣溫，區間最高最低氣溫

1. 氣象資料集為：ftp://ftp.ncdc.noaa.gov/pub/data/noaa
2. 按學號後三位下載不同年份月份的資料（例如201506110136號同學，就下載2013年以6開頭的資料，看具體資料情況稍有變通）

   wget -D --accept-regex=REGEX -p data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2013/6*

3. 解壓資料集，並儲存在文字檔中

   zcat ftp.ncdc.noaa.gov/pub/data/noaa/2013/6*.gz >qxdatazwt.txt

4. 對氣象資料格式進行解析

　　5.編寫map函數，reduce函數

1. 將其許可權作出相應修改

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

本機上測試回合代碼

放到HDFS上運行

將之前爬取的文字檔上傳到hdfs上

用Hadoop Streaming命令提交任務

查看運行結果

 

用Python編寫WordCount程式任務