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

当前名称：Streaming执行Python版WordCount
文章起源：http://shouzuofang.com/article/jesdoj.html