Spark下使用python写wordCount

来源：互联网发布：迅雷影音mac官方下载编辑：程序博客网时间：2024/06/03 12:17

安装spark就省略了，网上很多方法。
test-data.txt文件

a b caaabbbccca b ccba

vi wordcount.py

#!/usr/bin/env python#-*-conding:utf-8-*-import loggingfrom operator import addfrom pyspark import SparkContextlogging.basicConfig(format='%(message)s', level=logging.INFO)  #import local filetest_file_name = "file:///var/lib/hadoop-hdfs/spark_test/test-data.txt"  out_file_name = "file:///var/lib/hadoop-hdfs/spark_test/spark-out"sc = SparkContext("local","wordcount app")# text_file rdd objecttext_file = sc.textFile(test_file_name)# countscounts = text_file.flatMap(lambda line: line.split(" ")).map(lambda word: (word, 1)).reduceByKey(lambda a, b: a + b)counts.saveAsTextFile(out_file_name)

读取文件默认是从hdfs读取文件，也可以指定sc.textFile("路径").在路径前面加上hdfs://表示从hdfs文件系统上读

本地文件读取 sc.textFile("路径").在路径前面加上file:// 表示从本地文件系统读，如file:///home/user/spark/README.md

运行程序使用spark-submit
$spark-submit /var/lib/hadoop-hdfs/spark_test/wordcount.py

查看结果
cat spark-out/part-00000

(u'a', 3)(u'', 1)(u'c', 3)(u'b', 3)(u'aaa', 1)(u'bbb', 1)(u'ccc', 1)

参考：http://blog.csdn.net/vs412237401/article/details/51823228

0 0