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

1. 编写map函数，reduce函数
   cd /home/hadoop/txtsudo gedit mapper.pyimport sysfor danci in sys.stdin:     danci=danci.strip()     words=danci.split()     for word in words:          print '%s\t%s' % (word,1)from operator import itemgetterimport syscurrent_word=Nonecurrent_count=0word=Nonefor danci in sys.stdin:     danci=danci.strip()     word,count=danci.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=wordif current_word==word:     print '%s\t%s' % (current_word,current_count)

   　　

2. 将其权限作出相应修改
   chmod a+x /home/hadoop/mapper.py

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

   　　

3. 本机上测试运行代码

    

    
4. 放到HDFS上运行
   1. 将之前爬取的文本文件上传到hdfs上
   2. 用Hadoop Streaming命令提交任务
      echo "foo foo quux labs foo bar quux" | /home/hadoop/hp/mapper.py

      echo "foo foo quux labs foo bar quux" | /home/hadoop/hp/mapper.py | sort -k1,1 | /home/hadoop/hp/reducer.p

      　　
5. 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

1. 气象数据集下载地址为：
2. 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）
3. 解压数据集，并保存在文本文件中
4. 对气象数据格式进行解析
5. 编写map函数，reduce函数
6. 将其权限作出相应修改
7. 本机上测试运行代码
8. 放到HDFS上运行
   1. 将之前爬取的文本文件上传到hdfs上
   2. 用Hadoop Streaming命令提交任务
9. 查看运行结果
   cd /usr/hadoopsodu mkdir hpcd /usr/hadoop/hp wget -D --accept-regex=REGEX -P data -r -c ftp://ftp.ncdc.noaa.gov/pub/data/noaa/2013/4* cd /usr/hadoop/hp/data/ftp.ncdc.noaa.gov/pub/data/noaa/2014sudo zcat 1*.gz >hptext.txtcd /usr/hadoop/hp  import sysfor line in sys.stdin:     line = line.strip()     dtext = line[15:23]     text = line[87:92]      print '%s\t%s' % (d,t)  from operator import itemggetterimport sys current_word = Nonecurrent_count = 0word = 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:         if current_count > count:              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) chmod a+x /usr/hadoop/hp/mapper.pychmod a+x /usr/hadoop/hp/reducer.py