◢ <實作六> | <回課程大綱> ▲ | <實作八> ◣

實作七 Lab 7

Hadoop Streaming 搭配不同程式語言練習
Hadoop Streaming in different Language

以下練習，請連線至 hadoop.nchc.org.tw 操作。底下的 hXXXX 等於您的用戶名稱。

搭配現存二進位執行檔

Existing Binary

~$ hadoop fs -put /etc/hadoop/conf lab7_input
~$ hadoop jar hadoop-streaming.jar -input lab7_input -output lab7_out1 -mapper /bin/cat -reducer /usr/bin/wc
~$ hadoop fs -cat lab7_out1/part-00000

搭配 Bash Shell Script

~$ echo "sed -e \"s/ /\n/g\" | grep ." > streamingMapper.sh
~$ echo "uniq -c | awk '{print \$2 \"\t\" \$1}'" > streamingReducer.sh
~$ chmod a+x streamingMapper.sh
~$ chmod a+x streamingReducer.sh
~$ hadoop jar hadoop-streaming.jar -input lab7_input -output lab7_out2 -mapper streamingMapper.sh -reducer streamingReducer.sh -file streamingMapper.sh -file streamingReducer.sh
~$ hadoop fs -cat lab7_out2/part-00000

搭配 PHP Script

• 編輯 mapper 的 php 程式

  ~$ cat > mapper.php << EOF
  #!/usr/bin/php
  <?php
  
  \$word2count = array();
  
  // 標準輸入為 STDIN (standard input)
  while ((\$line = fgets(STDIN)) !== false) {
     // 移除小寫與空白
     \$line = strtolower(trim(\$line));
     // 將行拆解成各個字於 words 陣列中
     \$words = preg_split('/\W/', \$line, 0, PREG_SPLIT_NO_EMPTY);
     // 將字 +1
     foreach (\$words as \$word) {
         \$word2count[\$word] += 1;
     }
  }
  
  // 將結果寫到 STDOUT (standard output)
  foreach (\$word2count as \$word => \$count) {
     // 印出 [字 , "tab符號" ,  "數字" , "結束字元"]
     echo \$word, chr(9), \$count, PHP_EOL;
  }
  ?>
  EOF
  

• 編輯 reduce 的 php 程式

  ~$ cat > reducer.php << EOF
  #!/usr/bin/php
  <?php
  
  \$word2count = array();
  
  // 輸入為 STDIN
  while ((\$line = fgets(STDIN)) !== false) {
      // 移除多餘的空白
      \$line = trim(\$line);
      // 每一行的格式為 (單字 "tab" 數字) ，紀錄到(\$word, \$count)
      list(\$word, \$count) = explode(chr(9), \$line);
      // 轉換格式string -> int
      \$count = intval(\$count);
      // 加總
      if (\$count > 0) \$word2count[\$word] += \$count;
  }
  
  // 此行不必要，但可讓output排列更完整
  ksort(\$word2count);
  
  // 將結果寫到 STDOUT (standard output)
  foreach (\$word2count as \$word => \$count) {
      echo \$word, chr(9), \$count, PHP_EOL;
  }
  ?>
  EOF
  

• 修改執行權限

  ~$ chmod a+x *.php
  

• 測試是否能運作

  ~$ echo "i love hadoop, hadoop love u" | ./mapper.php | ./reducer.php
  

• 開始執行

  ~$ hadoop jar hadoop-streaming.jar -mapper mapper.php -reducer reducer.php -input lab7_input -output lab7_out3 -file mapper.php -file reducer.php
  

• 檢查結果

  ~$ hadoop fs -cat lab7_out3/part-00000