08分布式计算MapReduce--词频统计

WordCount程序任务:

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

1.用你最熟悉的编程环境,编写非分布式的词频统计程序。

  • 读文件
  • 分词(text.split列表)
  • 按单词统计(字典,key单词,value次数)
  • 排序(list.sort列表)
  • 输出
  •  

     

在Ubuntu中实现运行。

  • 准备txt文件
  •  

     编写py文件

  •  

     python3运行py文件分析txt文件。

 

 

 2.用MapReduce实现词频统计

2.1编写Map函数

  • 编写mapper.py
  •  

     授予可运行权限

  • 本地测试mapper.py
  •  

     

2.2编写Reduce函数

  • 编写reducer.py
  •  

     授予可运行权限

  • 本地测试reducer.py
  •  

    2.3分布式运行自带词频统计示例

    • 启动HDFS与YARN
    •  

       

    • 准备待处理文件
    • 上传HDFS
    • 运行hadoop-mapreduce-examples-2.7.1.jar
    • 2.4 分布式运行自写的词频统计
      • 用Streaming提交MapReduce任务:
        • 查看hadoop-streaming的jar文件位置:/usr/local/hadoop/share/hadoop/tools/lib/
        • 配置stream环境变量
        • 编写运行文件run.sh
        • 运行run.sh运行
      • 查看运行结果
      • 停止HDFS与YARN

     

     

posted @ 2021-11-29 20:45  梦寂  阅读(5)  评论(0编辑  收藏  举报