08 分布式计算MapReduce--词频统计
作者:互联网
------------恢复内容开始------------
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
- 查看结果
- 停止HDFS与YARN
------------恢复内容结束------------
标签:文件,HDFS,--,py,分布式计算,------------,词频,编写 来源: https://www.cnblogs.com/virgil-404/p/15625580.html