Hadoop实战2:MapReduce编程-WordCount实例-streaming-python环境
这是搭建hadoop环境后的第一个MapReduce程序;
基于hadoop streaming的python的脚本;
1 map.py文件,把文本的内容划分成单词:
#!/usr/bin/pythonimport sys for line in sys.stdin: line = line.strip() words = line.split() for word in words: print('%s\t%s' % (word, 1))
2 reduce文件,把统计单词出现的次数;
#!/usr/bin/pythonimport sys last_key = Nonerunning_total = 0 for input_line in sys.stdin: input_line = input_line.strip() this_key, value = input_line.split("\t", 1) value = int(value) if last_key == this_key: running_total += value else: if last_key: print ("%s\t%d" % (last_key, running_total)) running_total = value last_key = this_keyif last_key == this_key: print( "%s\t%d" % (last_key, running_total) )
3 本地测试下python脚本,结果是否正确:
cat in.txt | python map.py | python reduce.py
4 Hadoop调用脚本:指定输出目录OUTPUT;
调用支持多语言的streaming的编程环境,参数-input是输入的log文件,为了用mapreduce模式统计这个文件每个单词出现的次数;-output是输出路径;-mapper是mapper编译 此处是python语言;-reducer是reduce编译语法;-file是mapper文件路径和reduce文件路径;-numReduceTaskers 是使用的子tasker数目,这里是3,代表分成了3了tasker分布式的处理计数任务;
#!/bin/bash OUTPUT=/home/apm3/outdir hadoop fs -rmr $OUTPUT hadoop jar /usr/local/hadoop/share/hadoop/tools/lib/hadoop-streaming-.jar \ -input /opt/mapr/logs/warden.log \ -output $OUTPUT \ -mapper "python map.py" \ -reducer "python reduce.py" \ -file map.py \ -file reduce.py \ -numReduceTasks
bash -x start.sh 会在输出路径中生成三个输出文件,及三分ReduceTasks 输出的结果;(MapReduce 模式主要做了shuffle和sort任务,shuffle是按照hashkey分配单词到子tasker中,而sort是排序的功能。)
5 MapR里执行程序,run.sh:
hadoop fs -rm -r /user/rongyu/output hadoop jar hadoop-streaming-2.7.0-mapr-1602.jar \-input "/user/input/*" \-output "/user/rongyu/output" \-file "/home/mapr/Develop/rongyu/mapreduce/map.py"-mapper "python map.py" \-file "/home/mapr/Develop/rongyu/mapreduce/reduce.py"-reducer "python reduce.py" \-numReduceTasks 3
6 查看结果
查看输出目录: 命令 $ hadoop fs -ls /user/rongyu/output/
Found items -rwxr-xr-x mapr mapr -- : /user/rongyu/output/_SUCCESS -rwxr-xr-x mapr mapr -- : /user/rongyu/output/part- -rwxr-xr-x mapr mapr -- : /user/rongyu/output/part- -rwxr-xr-x mapr mapr -- : /user/rongyu/output/part-
输出三个输出文件之一part-00000:命令 $ hadoop fs -cat /user/rongyu/output/part-00000 | less
/nodes/apm1/services/nfs 17/opt/mapr/conf/cldb.conf 12/opt/mapr/hostid 6/services/cldb/master. 4/services/fileserver. 2/services/fileserver/master 1/services/hbmaster/apm2. 1/services/hbregionserver/apm4. 207/services/hbregionserver/master 1/services/historyserver/master 1/services/hoststats/apm2. 2/services/kvstore/apm3. 2/services/nfs. 22/services/nfs/master. 53/services_config/kvstore. 2/services_config/nodemanager. 3/services_config/nodemanager/apm4. 2600:00:00,3402 100:00:00,4710 100:00:01,6710 100:00:01,7916 100:00:01,9725 1
7异常:
// :: INFO mapreduce.Job: Task Id : attempt_1469682745105_0016_m_000001_2, Status : FAILED Error: java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code at org.apache.hadoop.streaming.PipeMapRed.waitOutputThreads(PipeMapRed.java:) at org.apache.hadoop.streaming.PipeMapRed.mapRedFinished(PipeMapRed.java:) at org.apache.hadoop.streaming.PipeMapper.close(PipeMapper.java:) at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:) at org.apache.hadoop.streaming.PipeMapRunner.run(PipeMapRunner.java:) at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:) at org.apache.hadoop.mapred.MapTask.run(MapTask.java:) at org.apache.hadoop.mapred.YarnChild$.run(YarnChild.java:) at java.security.AccessController.doPrivileged(Native Method) at javax.security.auth.Subject.doAs(Subject.java:) at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:) at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:)
解决方案:在python脚本头部增加 #!/usr/bin/python 并且注意run.sh的-reducer -mapper等参数设置
代码下载: https://github.com/rongyux/Hadoop_WordCount
Hadoop实战2:MapReduce编程-WordCount实例-streaming-python环境的更多相关文章
- Hadoop实战3:MapReduce编程-WordCount统计单词个数-eclipse-java-ubuntu环境
之前习惯用hadoop streaming环境编写python程序,下面总结编辑java的eclipse环境配置总结,及一个WordCount例子运行. 一 下载eclipse安装包及hadoop插件 ...
- Hadoop实战5:MapReduce编程-WordCount统计单词个数-eclipse-java-windows环境
Hadoop研发在java环境的拓展 一 背景 由于一直使用hadoop streaming形式编写mapreduce程序,所以目前的hadoop程序局限于python语言.下面为了拓展java语言研 ...
- MapReduce编程入门实例之WordCount:分别在Eclipse和Hadoop集群上运行
上一篇博文如何在Eclipse下搭建Hadoop开发环境,今天给大家介绍一下如何分别分别在Eclipse和Hadoop集群上运行我们的MapReduce程序! 1. 在Eclipse环境下运行MapR ...
- 【Big Data - Hadoop - MapReduce】初学Hadoop之图解MapReduce与WordCount示例分析
Hadoop的框架最核心的设计就是:HDFS和MapReduce.HDFS为海量的数据提供了存储,MapReduce则为海量的数据提供了计算. HDFS是Google File System(GFS) ...
- 初学Hadoop之图解MapReduce与WordCount示例分析
Hadoop的框架最核心的设计就是:HDFS和MapReduce.HDFS为海量的数据提供了存储,MapReduce则为海量的数据提供了计算. HDFS是Google File System(GFS) ...
- Hadoop实战训练————MapReduce实现PageRank算法
经过一段时间的学习,对于Hadoop有了一些了解,于是决定用MapReduce实现PageRank算法,以下简称PR 先简单介绍一下PR算法(摘自百度百科:https://baike.baidu.co ...
- Python实现MapReduce,wordcount实例,MapReduce实现两表的Join
Python实现MapReduce 下面使用mapreduce模式实现了一个简单的统计日志中单词出现次数的程序: from functools import reduce from multiproc ...
- hadoop之mapreduce编程实例(系统日志初步清洗过滤处理)
刚刚开始接触hadoop的时候,总觉得必须要先安装hadoop集群才能开始学习MR编程,其实并不用这样,当然如果你有条件有机器那最好是自己安装配置一个hadoop集群,这样你会更容易理解其工作原理.我 ...
- Hadoop MapReduce编程 API入门系列之wordcount版本1(五)
这个很简单哈,编程的版本很多种. 代码版本1 package zhouls.bigdata.myMapReduce.wordcount5; import java.io.IOException; im ...
随机推荐
- GCD Demo (先存起来自己看)
// 原代码块一 dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_DEFAULT, 0), ^{ // 原代码块二 N ...
- iOS: 实现微信支付
一.介绍: 现在的消费越来越方便,直接带个手机用各种三方的支付平台进行支付就行,例如微信.支付宝.现在正好我所做的项目中用到了微信支付,今天就来整理一下. 二.准备: 1.去微信官方开发者平台注册开发 ...
- 为什么玩VR眼镜会头晕?
为什么玩VR眼镜会头晕?看完本文你就懂了 很多用户都体验过各式各样的VR眼镜或者说头盔,但是不管哪一款,都很容易出现头晕的情况.相信大家都纳闷过,为什么玩VR眼镜会头晕?实际上这是和设备本身的技术 ...
- 如何查看自己的linux是32位还是64位
查看linux是多少位的几位方法:查看linux机器是32位还是64位的方法:方法一:file /sbin/init 或者 file /bin/ls结果如下:/sbin/init: ELF 64-bi ...
- 使单元格td内部都是超链接
楼主是想要鼠标指针移到单元格时就显示手形,而且点击单元格的任何地方都可以打开链接,来替换原来要鼠标指针移到链接文字时才显示手形,和必须点中链接文字才能打开链接? 试一下: <table> ...
- Java Set操作
Set:无顺序,不包含重复的元素 HashSet:为快速查找设计的Set.存入HashSet的对象必须定义hashCode(). TreeSet: 保存次序的Set, 底层为树结构.使用它可以从Set ...
- jQuery.proxy()函数
jQuery.proxy(),接受一个函数,然后返回一个新函数,并且这个新函数始终保持了特定的上下文(context)语境. context 代表上下文 name是上下文的某个属性 jQuery. ...
- runtime获取类名,遍历变量,遍历对象,遍历方法
- protocol(协议)的一些要点
//遵循协议的变量声明 //要求你创建的PErson对象必须是遵循了 PersonProtocol Person<PersonProtocol> * p2 = [[Person alloc ...
- MVC4之ModelBinder-模型绑定
最近悟出来一个道理,在这儿分享给大家:学历代表你的过去,能力代表你的现在,学习代表你的将来. 十年河东十年河西,莫欺少年穷 学无止境,精益求精 最近在做自学MVC,遇到的问题很多,索性一点点总结 ...