08

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。

   

   

   

• 

   

   

  2.1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,上传到HDFS上
    • 运行hadoop-mapreduce-examples-2.7.1.jar
    • 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
        •