Streaming执行Python版WordCount

苏童

　　一：先写map类
import sys　　
for line in sys.stdin:
　　
line = line.strip( )
　　
words = line.split( )
　　
for word in words:
　　
print('%s\t%s' % (word, 1))
　　二：写reduce类
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('%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))
　　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。
　　不加黄色部分的引号的话，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