08 分布式计算MapReduce--词频统计

1.用你最熟悉的编程环境，编写非分布式的词频统计程序。

 

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。

①txt文件

 

 

②py文件

 

③python3运行py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

①编写mapper.py

 ②授予可运行权限

 ③本次测试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

①编写reducer.py

②授予可运行权限

 

③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,上传到HDFS上
• 运行实例hadoop-mapreduce-examples-2.7.1.jar
• 查看结果

①启动HDFS与YARN

 

 ②准备待处理文件,上传到HDFS上

 

 ③运行实例hadoop-mapreduce-examples-2.7.1.jar

④查看结果

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

①查看hadoop-streaming的jar文件位置：/usr/local/hadoop/share/hadoop/tools/lib/，配置stream环境变量

 

②编写运行文件run.sh

③运行run.sh运行

 

 

 ④查看运行结果

⑤停止HDFS与YARN