MRJob 极速入门教程，使用Python玩转Hadoop

想要Hadoop乖巧地运行Python程序，学习mrjob可能是最直接、最简单的方法了，你甚至都不要按安装部署Hadoop集群。mrjob拥有很多优秀的特性比如：

支持多步骤的MapReduce任务工作流
支持内嵌、本地、远程亚马逊以及Hadoop
调试方便不需要任务环境支持

本教程通过 python 中 mrjob 模块来调用 hadoop 处理数据。通过本次实验，你可以初步入门mrjob，轻松编写mr来使用hadoop。主要知识点：

Python MRJob模块的安装
Hadoop——Python各模块介绍
使用MRJob实现文本统计
Python MRJob的运行方式
重写MRJob函数实现复杂数据处理

效果展示。该展示数据含义是通过mrjob将每个用户（cuid）看过哪些电影（vid）进行统计并输出。

mrjob支持python2和python3 。mrjob可以通过pip直接安装，也可以通过下载源码通过setup.py安装，可参考mrjob安装说明。本实验中，使用shiyanlou账户通过sudo权限进行安装。pip安装指令：

目前常见的Python框架有以下几个，这里再简单介绍一下各框架的大体特点，想了解更多可去博客查阅。 Hadoop Streaming。提供了使用其他可执行程序来作为Hadoop的mapper或者reduce的方式，必须使用规定的语义从标准输入读取数据，然后将结果输出到标准输出。直接使用Streaming 的一个缺点是当reduce的输入是按key分组的时候，仍然是一行行迭代的，必须由用户来辨识key与key之间的界限。

mrjob。开源的Python框架，封装Hadoop的数据流，并积极开发Yelp的。由于Yelp的运作完全在亚马逊网络服务，mrjob的整合与EMR是令人难以置信的光滑和容易（使用 boto包）。

dumbo。同样使用Hadoop流包装的框架。dumbo出现的较早，但由于缺少文档，造成开发困难。这也是不如mrjob的一点。dumbo通过typedbytes执行序列化，能允许更简洁的数据传输，也可以更自然的通过指定JavaInputFormat读取SequenceFiles或者其他格式的文件

hadoopy。是一个兼容dumbo的Streaming封装，也使用typedbytes序列化数据，并直接把 typedbytes 数据写到HDFS。它有一个很棒的调试机制，在这种机制下它可以直接把消息写到标准输出而不会干扰Streaming过程。它和dumbo很相似，但文档要好得多。

pydoop。与其他框架相比，pydoop 封装了Hadoop的管道（Pipes），这是Hadoop的C++ API。正因为此，该项目声称他们能够提供更加丰富的Hadoop和HDFS接口，以及一样好的性能。需要注意de所有的输入输出都必须是字符串。

其他 -happy、Disco、octopy、Mortar、Luigi 等。

后面便是使用mrjob实现词组统计以及mrjob多种运行方式等等的介绍。完整的教程已经配套的练习可以在实验楼的主站去学习。

说明：该教程仅限实验楼会员学习。因为是刚上线的新课，目前还1天的免费时间，任何人都可以学习；感兴趣的同学可以：点我学习

相关推荐：

MyBatis 框架基础入门

Python3 实现火车票查询工具

Python3 实现色情图片识别

高德API + Python 解决租房问题

Python 破解验证码

更多免费教程，请进入shiyanlou.com

MRJob 极速入门教程，使用Python玩转Hadoop相关推荐

用python玩转hadoop_MRJob 极速入门教程，使用Python玩转Hadoop
想要Hadoop乖巧地运行Python程序,学习mrjob可能是最直接.最简单的方法了,你甚至都不要按安装部署Hadoop集群.mrjob拥有很多优秀的特性比如: 支持多步骤的MapReduce任务工 ...
自己的电脑上怎么用python3.7_python 3.7极速入门教程9最佳python中文工具书籍下载...
筛选了2年内优秀的python书籍,个别经典的书籍扩展到5年内. python现在的主流版本是3.7(有明显性能提升,强烈推荐) 3.6, 不基于这两个或者更新版本的书,慎重选择.很多库已经不提供py ...
hadoop python入门_MRJob 极速入门，Python玩转Hadoop你会么？
image 想要Hadoop乖巧地运行Python程序,学习mrjob可能是最直接.最简单的方法了,你甚至都不要按安装部署Hadoop集群.mrjob拥有很多优秀的特性比如: 支持多步骤的MapRed ...
python入门教程官方-Python自学入门？
如果你是零基础入门 Python 的话,建议初学者至少达到两个目标: 会用,理解. 会用通过 Python 入门教程,学习 Python 的语法,熟悉 Python 标准库的使用. 目前 Pytho ...
python儿童入门教程视频-Python入门视频全套教程
"人生苦短,我用python",相信很多想学python的同学都听过这句话.几个月前,IEEE Spectrum发布了第四届顶级编程语言交互排行榜,Python超过了Java.PH ...
Python10分钟入门教程，Python入门神图一张
这篇文章主要介绍了Python 10分钟入门教程,分享一张Python入门神图一张,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 | 初试牛刀假设你希望学习Python这门语言,却苦于找不到一个 ...
python新手入门教程思路-Python新手入门教程_教你怎么用Python做数据分析
Python新手入门教程_教你怎么用Python做数据分析跟大家讲了这么多期的Python教程,有小伙伴在学Python新手教程的时候说学Python比较复杂的地方就是资料太多了,比较复杂.很多网上 ...
python搞笑教程_Python10分钟入门教程，Python入门神图一张
这篇文章主要介绍了Python 10分钟入门教程,分享一张Python入门神图一张,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 | 初试牛刀假设你希望学习Python这门语言,却苦于找不到一个 ...
Arduino极速入门教程——两篇文章让你会用Arduino（下）
接上篇关于Arduino基础环境配置.界面介绍和C语言基础,这一篇的内容为具体如何在Arduino中进行编程. 在VSCode上配置Arduino 什么是VSCode VSCode,即Visual S ...

MRJob 极速入门教程，使用Python玩转Hadoop

MRJob 极速入门教程，使用Python玩转Hadoop相关推荐

最新文章

热门文章