问题描述
考虑一个包含用空格分隔的单词的文件;用 Python 编写一个 MapReduce 程序, 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
"three seven one" 2
"four seven one two" 1
"one two three" 2
"seven one two" 2
"two three seven" 1
代码格式:
from mrjob.job import MRJob
class MR3Nums(MRJob):
def mapper(self,_,line):
pass
def reducer(self,key,values):
pass
if __name__ == "__main__":
MR3Nums.run()
解决方法
映射器应用于每一行,并且应该计算每个 3-word 序列,即产生 3-word 序列以及计数 1。
reducer 使用 key
和 values
调用,其中 key
是一个 3 字序列,values
是一个计数列表(这将是1 秒)。 reducer 可以简单地返回一个 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)