Streaming执行Python版Wo

2020-01-06 15:15:04 浏览数 (1)

一:先写map类

代码语言:javascript复制
import sys
for line in sys.stdin:
line = line.strip( )
words = line.split( )
for word in words:
print('%st%s' % (word, 1))

二:写reduce类

代码语言:javascript复制
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('%st%s' % (current_word,current_count))
current_count = count
current_word = word
if current_word == word:
print('%st%s' % (current_word,current_count))

三:利用hadoop Streaming执行Python的内容。

hadoop jar /home/hadoop/hadoop-2.6.0-cdh5.5.2/share/hadoop/tools/lib/hadoop-streaming-2.6.0-cdh5.5.2.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

0 人点赞