MapReduce引擎如何实现

今天就跟大家聊聊有关mapReduce引擎如何实现，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

　　　MapReduce引擎怎么实现

　　使用例子见下，只需要import一个名即可。

　　#!/usr/bin/env python

　　import mincemeat

　　data = ["Humpty Dumpty sat on a wall",

　　"Humpty Dumpty had a great fall",

　　"All the King's horses and all the King's men",

　　"Couldn't put Humpty together again",

　　]

　　def mapfn(k, v):

　　for w in v.split():

　　yield w, 1

　　def reducefn(k, vs):

　　MapReduce引擎怎么实现

　　result = 0

　　for v in vs:

　　result += v

　　return result

　　s = mincemeat.Server()

　　# The data source can be any dictionary-like object

　　s.datasource = dict(enumerate(data))

　　s.mapfn = mapfn

　　s.reducefn = reducefn

　　results = s.run_server(passWord="changeme")

　　print results

　　然后将mincemeat.py 和example.py 放在同一个目录下，执行example.py

　　Python example.py

　　这时程序会挂起一个daemon

　　然后另开一终端运行：

　　python mincemeat.py -p changeme localhost

　　就会看到刚才的daemon打印出了MapReduce结果并退出了。

　　{‘a’: 2, ‘on’: 1, ‘great’: 1, ‘Humpty’: 3, ‘again’: 1, ‘wall’: 1, ‘Dumpty’: 2, ‘men’: 1, ‘had’: 1, ‘all’: 1, ‘together’: 1, “King’s”: 2, ‘horses’: 1, ‘All’: 1, “Couldn’t”: 1, ‘fall’: 1, ‘and’: 1, ‘the’: 2, ‘put’: 1, ’sat’: 1}

看完上述内容，你们对MapReduce引擎如何实现有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注编程网数据库频道，感谢大家的支持。