给我一个在gcp中使用mapreduce的例子

下面是一个在GCP中使用MapReduce的示例代码：

from pyspark.sql import SparkSession

# 创建SparkSession
spark = SparkSession.builder \
    .appName("MapReduce Example") \
    .getOrCreate()

# 读取数据
data = spark.read.text("data.txt").rdd.map(lambda x: x[0])

# Map阶段：将每个单词切分成键值对
mapped_data = data.flatMap(lambda line: line.split(" ")).map(lambda word: (word, 1))

# Reduce阶段：对相同的单词进行求和
reduced_data = mapped_data.reduceByKey(lambda a, b: a + b)

# 输出结果
result = reduced_data.collect()
for word, count in result:
    print(word, count)

# 关闭SparkSession
spark.stop()

在这个示例中，我们首先创建了一个`SparkSession`对象。然后，使用`read.text()`方法读取了名为"data.txt"的文本文件，并将其转换为RDD（弹性分布式数据集）。接下来，我们在RDD上执行了Map操作，将每个单词切分并转换为键值对。然后，我们使用Reduce操作对具有相同键的单词进行求和。最后，使用`collect()`方法将结果收集到驱动程序，并使用循环输出每个单词及其对应的计数。

请注意，这只是一个简单的示例代码，你可以根据自己的需求进行更复杂的MapReduce操作。