pydoop:用python 写Hadoop的MapReduce

pydoop:用python 写Hadoop的MapReduce

Pydoop 是用python 对Hadoop 的C++API的MapReduce和HDFS的封装。程序很小,只有500多KB。

[zhouhh@Hadoop48 ~]$ tar -zxvf pydoop-0.5.2-rc2.tar.gz

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ python setup.py build

build通过后,执行安装

可以安装在系统中或安装在本地

sudo安装时如果不跟参数,会导致环境变量不可用:

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ sudo python setup.py install

错误:

RuntimeError: Could not determine JAVA_HOME path

但是该环境变量是存在的:

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ echo $JAVA_HOME
/usr/java/jdk1.7.0

打开setup.py

self.java_home = os.getenv("JAVA_HOME", find_first_existing("/opt/sun-jdk", "/usr/lib/jvm/java-6-sun"))

改为:

self.java_home = os.getenv("JAVA_HOME", find_first_existing("/opt/sun-jdk", "/usr/lib/jvm/java-6-sun","/usr/java/jdk1.7.0"))

再执行setup.py install

ValueError: HADOOP_HOME not set
[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ echo $HADOOP_HOME
/home/zhouhh/hadoop-1.0.3
[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ echo $HADOOP_HOME
/home/zhouhh/hadoop-1.0.3

找到:

paths = reduce(list.__add__, map(glob.glob, (“/opt/hadoop*”, “/usr/lib/hadoop*”, “/usr/local/lib/hadoop*”)))

改为:

paths = reduce(list.__add__, map(glob.glob, (“/opt/hadoop*”, “/usr/lib/hadoop*”, “/usr/local/lib/hadoop*”,”/home/zhouhh/hadoop-*”)))

为了避免环境变量问题,

如果安装到系统,应略过创建:

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ sudo python setup.py install –skip-build

或者直接装在当前用户下:

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ python setup.py install –user

或安装到指定目录:

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ python setup.py install –home /home/zhouhh/pydoop

检验是否成功:

[zhouhh@Hadoop48 pydoop-0.5.2-rc2]$ cd test
[zhouhh@Hadoop48 test]$ python all_test.py

ImportError: /usr/lib64/libboost_python.so.2: undefined symbol: PyUnicodeUCS4_FromEncodedObject

单词计数示例

from pydoop.pipes import Mapper, Reducer, Factory, runTask
class WordCountMapper(Mapper):
  def map(self, context):
    words = context.getInputValue().split()
    for w in words:
      context.emit(w, "1")
class WordCountReducer(Reducer):
  def reduce(self, context):
    s = 0
    while context.nextValue():
      s += int(context.getInputValue())
    context.emit(context.getInputKey(), str(s))
runTask(Factory(WordCountMapper, WordCountReducer))

对简单任务,可以使用pydoop_script工具:

def mapper(k, text, writer):
  for word in text.split():
    writer.emit(word, 1)
def reducer(word, count, writer):
  writer.emit(word, sum(map(int, count)))

参考:

下载:https://sourceforge.net/projects/pydoop/files

示例地址:http://pydoop.sourceforge.net/docs/examples/index.html

最新版下载:http://sourceforge.net/projects/pydoop/files/Pydoop-0.5/pydoop-0.5.2-rc2.tar.gz/download

主页:http://sourceforge.net/apps/mediawiki/pydoop/index.php?title=Main_Page

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
  1. 本站完全免费,所有资源仅用于学习,如需商用,请购买版权
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。
  2. 本站为非经营性网站,没有任何付费项目
    本站为非经营性网站,如果觉得我们网站好,请转发到朋友圈让更多的人知道。
  3. 本站站长联系方式
    站长邮箱 liujun100@vip.qq.com
    商业合作 service@yuucn.cn
    投诉举报 jb@yuucn.cn

    我们这个网站不卖,请不要幻想着收购我们。

评论(0)

提示:请文明发言