理解MapReduce

1. 用Python编写WordCount程序并提交任务

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

A.编写map函数，reduce函数B.将其权限作出相应修改

# map函数
import sys
for i in stdin:
i = i.strip()
words = i.split()
for word in words:
print '%s %s' % (word,1)

#reduce函数
from operator import itemgetter
import sys
 
current_word = None
current_count = 0
word = None
 
for line in sys.stdin:
    line = line.strip()
    word, count = line.split('	', 1)
    try:
        count = int(count)
    except ValueError: 
        continue
    if current_word == word:
        current_count += count
    else:
        if current_word:
            print "%s	%s" % (current_word, current_count)
        current_count = count
        current_word = word
 
if word == current_word: 
    print "%s	%s" % (current_word, current_count)

chmod a+x /home/hadoop/wc/mapper.py
chmod a+x /home/hadoop/wc/reducer.py

C.本机上测试运行代码

D.放到HDFS上运行查看运行结果

       a.将之前爬取的文本文件上传到hdfs上

       b.用Hadoop Streaming命令提交任务

            E.查看运行结果

2. 用mapreduce 处理气象数据集

编写程序求每日最高最低气温，区间最高最低气温

       A.气象数据集下载地址为：ftp://ftp.ncdc.noaa.gov/pub/data/noaa

      B.按学号后三位下载不同年份月份的数据（例如201506110136号同学，就下载2013年以6开头的数据，看具体数据情况稍有变通）

      C.解压数据集，并保存在文本文件中

      D.对气象数据格式进行解析

      E.编写map函数，reduce函数

      F.将其权限作出相应修改

      G.本机上测试运行代码

      H.放到HDFS上运行查看运行结果

            a.将之前爬取的文本文件上传到hdfs上

            b.用Hadoop Streaming命令提交任务