php写mapreduce程序示例

来源:互联网 发布:java license 破解 编辑:程序博客网 时间:2024/05/11 16:44

 

用PHP写hadoop的mapreduce程序

Hadoop本身是Java写的,所以,给hadoop写mapreduce,人们会自然地想到java

但hadoop里面有个contrib叫做hadoopstreaming,这是一个小工具,为hadoop提供streaming支持,使得任何支持标准IO (stdin,stdout)的可执行程序都能成为hadoop的mapper 或者 reducer

例如:hadoop jar hadoop-streaming.jar -input SOME_INPUT_DIR_OR_FILE-output SOME_OUTPUT_DIR -mapper /bin/cat -reducer /usr/bin/wc

在这个例子里,就使用了Unix/Linux自带的cat和wc工具来作为mapper / reducer,是不是很神奇?

如果你习惯了使用一些动态语言,用动态语言来写mapreduce吧,跟之前的编程没有任何不同,hadoop只是运行它的一个框架,下面我演示一下用PHP来实现WordCounter的mapreduce。

找到streaming jar

hadoop根目录下是没有hadoop-streaming.jar的,因为streaming是一个contrib,所以要去contrib下面找,以hadoop-0.20.2为例,它在这里:

$HADOOP_HOME/contrib/streaming/hadoop-0.20.2-streaming.jar

写mapper

新建一个wc_mapper.php,写入如下代码:

#!/usr/bin/php

<?php

$in = fopen(“php://stdin”, “r”);

$results = array();

while ( $line = fgets($in, 4096) )

{

$words = preg_split(‘/\W/’, $line, 0, PREG_SPLIT_NO_EMPTY);

foreach ($words as $word)

$results[] = $word;

}

fclose($in);

foreach ($results as $key => $value)

{

print “$value\t1\n”;

}

这段代码的大致意思是:把输入的每行文本中的单词找出来,并以”

hello    1

world  1″

这样的形式输出出来。

和之前写的PHP基本没有什么不同,对吧,可能稍微让你感到陌生有两个地方:

PHP作为可执行程序

第一行的“#!/usr/bin/php”告诉linux,要用/usr/bin/php这个程序作为以下代码的解释器。写过linuxshell的人应该很熟悉这种写法了,每个shell脚本的第一行都是这样: #!/bin/bash,#!/usr/bin/python

有了这一行,保存好这个文件以后,就可以像这样直接把wc_mapper.php当作cat,grep一样的命令执行了:./wc_mapper.php

使用stdin接收输入

PHP支持多种参数传入的方法,大家最熟悉的应该是从$_GET,$_POST超全局变量里面取通过Web传递的参数,次之是从$_SERVER['argv']里取通过命令行传入的参数,这里,采用的是标准输入stdin

它的使用效果是:

在linux控制台输入 ./wc_mapper.php

wc_mapper.php运行,控制台进入等候用户键盘输入状态

用户通过键盘输入文本

用户按下Ctrl + D终止输入,wc_mapper.php开始执行真正的业务逻辑,并将执行结果输出

那么stdout在哪呢?print本身已经就是stdout啦,跟我们以前写web程序和CLI脚本没有任何不同。

写reducer

新建一个wc_reducer.php,写入如下代码:

#!/usr/bin/php

<?php

$in = fopen(“php://stdin”, “r”);

$results = array();

while ( $line = fgets($in, 4096) )

{

list($key, $value) = preg_split(“/\t/”, trim($line), 2);

$results[$key] += $value;

}

fclose($in);

ksort($results);

foreach ($results as $key => $value)

{

print “$key\t$value\n”;

}

这段代码的大意是统计每个单词出现了多少次,并以”

hello   2

world  1″

这样的形式输出

用hadoop来运行

上传要统计的示例文本

hadoop fs -put *.TXT /tmp/input

以Streaming方式执行PHP mapreduce程序

hadoop jar hadoop-0.20.2-streaming.jar -input /tmp/input -output/tmp/output -mapper wc_mapper.php的绝对路径 -reducerwc_reducer.php的绝对路径

注意:

input和output目录是在hdfs上的路径

mapper和reducer是在本地机器的路径,一定要写绝对路径,不要写相对路径,以免到时候hadoop报错说找不到mapreduce程序

查看结果

hadoop fs -cat /tmp/output/part-00000

原创粉丝点击