Streaming执行Python版WordCount-成都快上网建站

Streaming执行Python版WordCount

一:先写map类

创新互联专注为客户提供全方位的互联网综合服务,包含不限于成都网站制作、网站设计、武川网络推广、微信平台小程序开发、武川网络营销、武川企业策划、武川品牌公关、搜索引擎seo、人物专访、企业宣传片、企业代运营等,从售前售中售后,我们都将竭诚为您服务,您的肯定,是我们最大的嘉奖;创新互联为所有大学生创业者提供武川建站搭建服务,24小时服务热线:18982081108,官方网址:www.cdcxhl.com

import sys
for line in sys.stdin:
line = line.strip( )
words = line.split( )
for word in words:
print('%s\t%s' % (word, 1))

二:写reduce类

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))

三:利用hadoop Streaming执行Python的内容。

hadoop jar /home/hadoop/hadoop-2.6.0-cdh6.5.2/share/hadoop/tools/lib/hadoop-streaming-2.6.0-cdh6.5.2.jar  -input /user/hadoop/aa.txt -output /user/hadoop/python_output -mapper "python mapper.py" -reducer "python reducer.py" -file mapper.py-file reducer.py  

说明:

输入和输出路径,本身就是hdfs上的,不需要特殊指定hdfs。

不加×××部分的引号的话,会报错误:

Error: java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code 2

不加粉色部分的内容的话,会报错误:

Error: java.lang.RuntimeException: Error in configuring object


本文名称:Streaming执行Python版WordCount
文章转载:http://kswjz.com/article/jesdoj.html
扫二维码与项目经理沟通

我们在微信上24小时期待你的声音

解答本文疑问/技术咨询/运营咨询/技术建议/互联网交流