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。(Python)
- 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
(1)创建一个含有英文的文本文档,并将其命名为english.txt
(2)将文档中的单词分割
得到的输出结果如下:
(3)按单词统计词频:
得到的输出结果如下所示:
(4)将文本文档中的单词按照首字母从大到小进行排序:
得到的输出结果如下所示:
2.用MapReduce实现词频统计
2.1编写Map函数
1、编写mapper.py
2、授予可运行权限
3、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