我试图在笔记本电脑上运行本地mapreduce程序,安装hadoop2.8版本。我不知道如何在cmdshell中使用下面的命令。
这是我的命令,也是共享的Map器和减速机代码。以及我的csv文件中的数据。
D:\hadoop\bin\hadoop jar D:\hadoop\share\hadoop\tools\lib\hadoop-streaming-2.3.0.jar
-D mapred.reduce.tasks=0
-file /reducer.py -mapper "mapper.py"
-input /data2.csv -input /data2.csv
-output /output
# !/usr/bin/python3
# mapper.py
import sys
# input comes from STDIN (standard input)
for line in sys.stdin:
line = line.strip()
line = line.split(",")
if len(line) >=2:
sex = line[1]
age = line[2]
print ('%s\t%s' % (sex, age))
# !/usr/bin/python3
# Reducer.py
import sys
sex_age = {}
# Partitoner
for line in sys.stdin:
line = line.strip()
sex, age = line.split('\t')
if sex in sex_age:
sex_age[sex].append(int(age))
else:
sex_age[sex] = []
sex_age[sex].append(int(age))
# Reducer
for sex in sex_age.keys():
ave_age = sum(sex_age[sex])*1.0 / len(sex_age[sex])
print ('%s\t%s'% (sex, ave_age))
1条答案
按热度按时间m2xkgtsf1#
该命令在任何hadoop环境中都应该起相同的作用。
fwiw,你应该至少改用pyspark