每一个可以努力的日子,都是一份厚礼。
单词统计Word Count – Map Reduce Program
在学习Map Reduce方法时,Word Count(单词统计)程序是最基础的入门训练。不同的写法会有不同的执行效率,下面是用python写的一个示例。
Map:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 | #!/usr/bin/python # # WordCount mapper in Python # Author: Zeng, Xi # SID: 1010105140 # Email: [email protected] import sys import re def main(argv): line = sys.stdin.readline() pattern = re.compile("[a-zA-Z][a-zA-Z0-9]*") try: while line: for word in pattern.findall(line): print word + "\t" + "1" line = sys.stdin.readline() except "end of file": return None if __name__ == "__main__": main(sys.argv) |
Reduce:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 | #!/usr/bin/python # # WordCount reducer in Python # Author: Zeng, Xi # SID: 1010105140 # Email: [email protected] import sys word_list = {} ## collect (key,val) pairs from sort phase for line in sys.stdin: try: word, count = line.strip().split("\t", 2) if word not in word_list: word_list[word] = int(count) else: word_list[word] += int(count) except ValueError, err: sys.stderr.write("Value ERROR: %(err)s\n%(data)s\n" % {"err": str(err), "data": line}) ## emit results for word, count in word_list.items(): print " ".join([word, str(count)]) |
这篇文章由lovelucy于2011-01-04 20:06发表在编程。你可以订阅RSS 2.0 也可以发表评论或引用到你的网站。除特殊说明外文章均为本人原创,并遵从署名-非商业性使用-相同方式共享创作协议,转载或使用请注明作者和来源,尊重知识分享。 |
批评不自由
则赞美无意义
Google Chrome 20.0.1132.47 Linux 大约12年前
用split分割不行吗?要比这个简单多。代码少很多会
Google Chrome 20.0.1132.57 Windows 7 大约12年前
简单的做法会有很多。但我这里是写一个Map Reduce程序,运用分治的思想,目的是应用于大规模分布式系统中进行并行处理。
欢迎参考学习MapReduce分布式程序设计方法