Hadoop WordCount 程序实现与执行指南

Hadoop WordCount 程序实现与执行指南

下面是使用Python实现的Hadoop WordCount程序，包含完整的Mapper和Reducer部分。
这个程序可以在PyCharm中本地测试，也可以部署到远程Hadoop集群上运行。

mapper.py

import sys# 从标准输入读取数据
for line in sys.stdin:# 移除行首行尾的空白字符line = line.strip()# 将行分割为单词words = line.split()# 输出每个单词及其计数（1）for word in words:print(f"{word}\t1")

reducer.py

import sys# 初始化字典，用于存储每个单词及其对应的计数列表
word_dict = {}# 从标准输入读取数据（Hadoop 会将 Mapper 的输出通过管道传递到这里）
for line in sys.stdin:# 移除行首行尾的空白字符（如换行符、空格等）line = line.strip()# 解析输入行，按制表符(\t)分割为单词和计数两部分try:word, count = line.split('\t', 1)# 将计数转换为整数类型count = int(count)except ValueError:# 若格式不正确（如分割后元素不足、无法转换为整数），则跳过当前行continue# 统计每个单词出现的次数：# 如果单词不在字典中，初始化其值为包含当前计数的列表if word not in word_dict:word_dict[word]