11.2 MapReduce 编程案例

      MapReduce 对大数据进行分割,分为一定大小的数据;然后将分割的数据交给多个 Mapper 函数处理。处理后产生多个规模较小的数据再提交给 Reducer 函数处理,得到更小规模的数据或最终结果。
(1)大文件切分。

import os
import os.path
import time

def FileSplit(sourceFile, targetFolder):
    if not os.path.isfile(sourceFile):
        print(sourceFile, ' does not exist.')
        return
    if not os.path.isdir(targetFolder): # 切分为多个小文件,放到指定文件夹中
        os.mkdir(targetFolder)
    tempData = []
    number = 10                       # 每个小文件的记录条数
    fileNum = 1                         # 小文件序号
    with open(sourceFile, 'r') as srcFile:
        dataLine = srcFile.readline()
        print('data:', dataLine)
        while dataLine:
            for i in range(number):
                tempData.append(dataLine)
                dataLine = srcFile.readline()
                if not dataLine:
                    break
            desFile = os.path.join(targetFolder, sourceFile[0:-4] + str(fileNum) + '.txt')
            with open(desFile, 'a+') as f:
                f.writelines(tempData)
            tempData = []
            fileNum = fileNum + 1
            print(fileNum)

if __name__ == '__main__':
    sourceFile = 'test.txt'
    targetFolder = 'test'
    FileSplit(sourceFile, targetFolder)

(2)Mapper 代码。

import os
import re
import threading
import time

def Map(sourceFile):
    if not os.path.exists(sourceFile):
        print(sourceFile, ' does not exist.')
        return
    pattern = re.compile(r'[0-9]{1,2}/[0-9]{1,2}/[0-9]{4}') # 用正则表达式匹配日期
    result = {}
    with open(sourceFile, 'r') as srcFile:
        for dataLine in srcFile:
            print('dataline:', dataLine)
            r = pattern.findall(dataLine)
            print(r)
            if r:
                t = result.get(r[0], 0)
                t += 1
                result[r[0]] = t
    desFile = sourceFile[0:-4] + '_map.txt'     # 结果文件
    with open(desFile, 'a+') as fp:
        for k, v in result.items():
            fp.write(k + ':' + str(v) +'\n')

if __name__ == '__main__':
    desFolder = 'test'
    files = os.listdir(desFolder)

    def Main(i):
        Map(desFolder + '\\' + files[i])

    fileNumber = len(files)
    for i in range(fileNumber):
        t = threading.Thread(target = Main, args = (i,))
        t.start()

(3)Reducer 代码。

import os

def Reduce(sourceFolder, targetFile):
    if not os.path.isdir(sourceFolder):
        print(sourceFolder, ' does not exist.')
        return
    result = {}
    # 用列表推导式获取文件夹的 Mapper 结果文件
    allFiles = [sourceFolder + '\\' + f for f in os.listdir(sourceFolder) if f.endswith('_map.txt')]
    for f in allFiles:
        with open(f, 'r') as fp:
            for line in fp:
                line = line.strip()
                if not line:
                    continue
                position = line.index(':')
                key = line[0:position]
                value = int(line[position + 1:])
                result[key] = result.get(key, 0) + value
        with open(targetFile, 'w') as fp:
            for k, v in result.items():
                fp.write(k + ':' + str(v) + '\n')

if __name__ == '__main__':
    Reduce('test', 'test\\result.txt')
    

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,036评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,046评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,411评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,622评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,661评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,521评论 1 304
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,288评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,200评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,644评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,837评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,953评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,673评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,281评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,889评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,011评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,119评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,901评论 2 355

推荐阅读更多精彩内容