Hadoop Streaming： c++编写uniq程序

coverl

　　1. 描述
使用Hadoop streaming对输入数据的第一列进行uniq去重计算，采用c++编写map-reduce程序。
　　2. mapper程序
mapper.cpp

#include <iostream>#include <string>using namespace std;#define BUFFER_SIZE 102400#define DELIM "\t"int main(int argc, char** argv){char buf[BUFFER_SIZE];char *strCur = NULL;//读取第一个字段并输出while(fgets(buf, BUFFER_SIZE-1, stdin)){strCur = strtok(buf, DELIM);cout << buf << endl;}return 0;}
3. reducer
reducer.cpp
#include <string>#include <set>#include <iostream>using namespace std;int main(int argc, char** argv){string key;set<string> myset;while(cin >> key){myset.insert(key);}cout << myset.size() << endl;return 0;}　　4. 测试数据
test.txt

a       15      1a       15      1a       15      1a       15      1b       20      1c       15      1c       15      1d       16      1a       16      1
5. 本地测试
$ g++ -o mapper mapper.cpp $ g++ -o reducer reducer.cpp $ cat test.txt | ./mapper | ./reducer 4　　6. Hadoop streaming 测试

$ hadoop fs -put test.txt /user/test.txt$ hadoop streaming -input /user/test.txt /-output /user/tmp_1324 /-mapper ./mapper -reducer ./reducer /-file mapper -file reducer /-jobconf mapred.reduce.tasks=1 /-jobconf mapre.job.name="uniq_test" 　　7. 查看结果

$  hadoop fs -cat /user/tmp_1324/part-000004