用PHP寫Hadoop的MapReduce程序

Hadoop流

雖然Hadoop是用java寫的，可是Hadoop提供了Hadoop流，Hadoop流提供一個API, 容許用戶使用任何語言編寫map函數和reduce函數.
Hadoop流動關鍵是，它使用UNIX標準流做爲程序與Hadoop之間的接口。所以，任何程序只要能夠從標準輸入流中讀取數據，而且能夠把數據寫入標準輸出流中，那麼就能夠經過Hadoop流使用任何語言編寫MapReduce程序的map函數和reduce函數。
例 如：bin/hadoop jar contrib/streaming/hadoop-streaming-0.20.203.0.jar -mapper /usr/local/hadoop/mapper.php -reducer /usr/local/hadoop/reducer.php -input test/* -output out4
Hadoop流引入的 包：hadoop-streaming-0.20.203.0.jar,Hadoop根目錄下是沒有hadoop-streaming.jar的，由於 streaming是一個contrib，因此要去contrib下面找，以hadoop-0.20.2爲例，它在這裏：
-input：指明輸入hdfs文件的路徑
-output：指明輸出hdfs文件的路徑
-mapper：指明map函數
-reducer：指明reduce函數

mapper函數

mapper.php文件，寫入以下代碼：

[php]

1. #!/usr/local/php/bin/php  
2. <?php  
3. $word2count = array();  
4. // input comes from STDIN (standard input)   
5. // You can this code :$stdin = fopen(「php://stdin」, 「r」);   
6. while (($line = fgets(STDIN)) !== false) {  
7.     // remove leading and trailing whitespace and lowercase   
8.     $line = strtolower(trim($line));  
9.     // split the line into words while removing any empty string   
10.     $words = preg_split('/\W/', $line, 0, PREG_SPLIT_NO_EMPTY);  
11.     // increase counters   
12.     foreach ($words as $word) {  
13.         $word2count[$word] += 1;  
14.     }  
15. }  
16. // write the results to STDOUT (standard output)   
17. // what we output here will be the input for the   
18. // Reduce step, i.e. the input for reducer.py   
19. foreach ($word2count as $word => $count) {  
20.     // tab-delimited   
21.     echo $word, chr(9), $count, PHP_EOL;  
22. }  
23. ?>  

這段代碼的大體意思是：把輸入的每行文本中的單詞找出來，並以」

             hello    1
             world  1″

這樣的形式輸出出來。

和以前寫的PHP基本沒有什麼不一樣，對吧，可能稍微讓你感到陌生有兩個地方：

PHP做爲可執行程序

第一行的

[php]

1. #!/usr/local/php/bin/php  

告訴linux，要用#!/usr/local/php/bin/php這個程序做爲如下代碼的解釋器。寫過linux shell的人應該很熟悉這種寫法了，每一個shell腳本的第一行都是這樣: #!/bin/bash, #!/usr/bin/python

有了這一行，保存好這個文件之後，就能夠像這樣直接把mapper.php看成cat, grep同樣的命令執行了：./mapper.php