未加星标

干货:最受欢迎编程语言c与大数据开发实践

字体大小 | |
[大数据技术 所属分类 大数据技术 | 发布者 店小二04 | 时间 2018 | 作者 红领巾 ] 0人收藏点击收藏

IEEE Spectrum的第三次“最受欢迎编程语言”中,C语言居首,有人说是大数据赢了。本文将探讨c与大数据的开发实践。大数据是使用工具和技术处理大量和复杂数据集合的术语。能够处理大量数据的技术称为MapReduce。

大数据何时使用MapReduce
大概有如下场景会应用到MapReduce:

Apache hadoop

开发MapReduce解决方案,推荐使用Hadoop,它已经是事实上的标准,同时也是开源免费的软件。

还有其他多个优点:

成本效益:不需要任何专门和奇特的硬件,因为软件在正常的硬件都运行正常

容错:如果有节点出现问题,其它节点可以接收它的工作,整个集群继续处理。

本文中我们将使php做为主开发语言。

Apache Hadoop的安装配置超出了本文范围。您可以根据自己的平台,在线轻松找到很多文章。为了保持简单,我们只讨论大数据相关的事。

映射器的任务是将输入转换成一系列的键值对。比如在字计数器的情况下,输入是一系列的行。我们按单词将它们分开,把它们变成键值对(如key:word,value:1),看起来像这样:

the 1
water 1
on 1
on 1
water 1
on 1
... 1

reducer

mapping和reducing的整个过程看起来有点像这样,请看下列之图表:

使用PHP做单词计数器

执行以下命令下载这本书:

wget http://www.gutenberg.org/cache ... 1.txt

我们的PHP代码从mapper开始

#!/usr/bin/php
<?php
// iterate through lines
while($line = fgets(STDIN)){
// remove leading and trailing
$line = ltrim($line);
$line = rtrim($line);
// split the line in words
$words = preg_split('/\s/', $line, -1, PREG_SPLIT_NO_EMPTY);
// iterate through words
foreach( $words as $key ) {// print word (key) to standard output// the output will be used in the// reduce (reducer.php) step// word (key) tab-delimited wordcount (1)printf("%s\t%d\n", $key, 1);
}
}
?>

你可以通过使用某些命令和管道的组合来在本地轻松测试脚本。

head -n1000 pg2701.txt | ./mapper.php | sort | ./reducer.php

输出将存储在文件夹hello / result中,可以通过执行以下命令查看

hdfs dfs -cat hello/result/part-00000

下一个例子是一个更实际的例子,虽然数据集相对较小,但是相同的逻辑可以很容易地应用于具有数百个数据点的集合上。 我们将尝试计算过去五十年的黄金年平均价格。

在HDFS(Hadoop分布式文件系统)中创建一个工作目录

hadoop dfs -mkdir goldprice

我的reducer看起来像这样

#!/usr/bin/php
<?php
// iterate through lines
while($line = fgets(STDIN)){
// remove leading and trailing
$line = ltrim($line);
$line = rtrim($line);
// regular expression to capture year and gold value
preg_match("/^(.*?)\-(?:.*),(.*)$/", $line, $matches);
if ($matches) {// key: year, value: gold priceprintf("%s\t%.3f\n", $matches[1], $matches[2]);
}
}
?>

像单词统计样例一样,我们也可以在本地测试

head -n1000 data.csv | ./mapper.php | sort | ./reducer.php

查看平均值

hdfs dfs -cat goldprice/result/part-00000

我们经常会将结果转换成图表。 对于这个演示,我将使用gnuplot,你可以使用其它任何有趣的东西。

创建一个gnu plot配置文件(gold.plot)并复制以下内容

# Gnuplot script file for generating gold prices
set terminal png
set output "chart.jpg"
set style data lines
set nokey
set grid
set title "Gold prices"
set xlabel "Year"
set ylabel "Price"
plot "gold.dat"

这会生成一个名为chart.jpg的文件。看起来像这样:

干货:最受欢迎编程语言c与大数据开发实践

干货:最受欢迎编程语言c与大数据开发实践
tags: line,php,key,gold,reducer,MapReduce,matches,words,数据,word,Hadoop,PHP,1 on,value
分页:12
转载请注明
本文标题:干货:最受欢迎编程语言c与大数据开发实践
本站链接:http://www.codesec.net/view/570546.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 大数据技术 | 评论(0) | 阅读(365)