考虑一个包含由空格分隔的单词的文件;用 Python 编写一个 MapReduce 程序,它计算每个 3 字序列在文件中出现的次数。
例如,考虑以下文件:
one two three seven one two three
three seven one
seven one two
每个 3 字序列在此文件中出现的次数为:
"three seven one" 2
"four seven one two" 1
"one two three" 2
"seven one two" 2
"two three seven" 1
格式代码:
from mrjob.job import MRJob
class MR3Nums(MRJob):
def mapper(self,_, line):
pass
def reducer(self,key, values):
pass
if __name__ == "__main__":
MR3Nums.run()
映射器应用于每一行,并且应该对每个 3 字序列进行计数,即产生 3 字序列以及计数为 1。
reducer 用key
and调用values
,其中key
是一个 3 字序列,values
是一个计数列表(这将是一个 1 的列表)。reducer 可以简单地返回 3 字序列的元组和总出现次数,后者通过 sum 获得。
class MR3Nums(MRJob):
def mapper(self, _, line):
sequence_length = 3
words = line.strip().split()
for i in range(len(words) - sequence_length + 1):
yield " ".join(words[i:(i+sequence_length)]), 1
def reducer(self, key, values):
yield key, sum(values)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句