hadoop词频统计

Hadoop词频统计是指使用Hadoop框架对大规模文本数据进行词频统计。下面是Hadoop词频统计的步骤：

1.准备数据：将需要进行词频统计的文本数据存储在HDFS中。

2.编写Mapper程序：Mapper程序的作用是将输入的文本数据进行分词，并将每个单词作为key，将出现次数作为value输出。

3.编写Reducer程序：Reducer程序的作用是将Mapper程序输出的key-value对进行合并，得到每个单词在文本中出现的总次数。

4.配置Job并提交任务：将Mapper和Reducer程序打包成jar包，并通过Hadoop提供的命令将任务提交到YARN集群中运行。

5.查看结果：任务运行完成后，可以通过Hadoop提供的命令将结果从HDFS中读取出来。

下面是一个简单的Hadoop词频统计的Mapper程序的Python代码：

#!/usr/bin/env python
import sys

# 读取输入数据
for line in sys.stdin:
    # 去除首尾空格
    line = line.strip()
    # 分词
    words = line.split()
    # 输出每个单词的出现次数
    for word in words:
        print('%s\t%s' % (word, 1))

下面是一个简单的Hadoop词频统计的Reducer程序的Python代码：

#!/usr/bin/env python
import sys

# 初始化变量
current_word = None
current_count = 0

# 处理输入数据
for line in sys.stdin:
    # 去除首尾空格
    line = line.strip()
    # 解析输入数据
    word, count = line.split('\t', 1)
    count = int(count)
    # 如果当前单词与上一个单词不同，则输出上一个单词的统计结果
    if current_word and current_word != word:
        print('%s\t%s' % (current_word, current_count))
        current_count = 0
    # 更新当前单词的统计结果
    current_word = word
    current_count += count

# 输出最后一个单词的统计结果
if current_word:
    print('%s\t%s' % (current_word, current_count))