pyspark-wordcount

#

===

data.txt
a b c
aaa
bbb
ccc
a b c
c
b
a

===

#!/usr/bin/env python
#-*-conding:utf-8-*-

import logging
from operator import add
from pyspark import SparkContext

logging.basicConfig(format='%(message)s', level=logging.INFO)  

#import local file
test_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 object
text_file = sc.textFile(test_file_name)

# counts
counts = 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)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值