用PHP编写Hadoop的MapReduce程序

安哥网络

用PHP编写Hadoop的MapReduce程序
Hadoop流

虽然Hadoop是用java写的，但是Hadoop提供了Hadoop流，Hadoop流提供一个API, 允许用户使用任何语言编写map函数和reduce函数.
Hadoop流动关键是，它使用UNIX标准流作为程序与Hadoop之间的接口。因此，任何程序只要可以从标准输入流中读取数据，并且可以把数据写入标准输出流中，那么就可以通过Hadoop流使用任何语言编写MapReduce程序的map函数和reduce函数。
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根目录下是没有hadoop-streaming.jar的，因为streaming是一个contrib，所以要去contrib下面找，以hadoop-0.20.2为例，它在这里：
-input：指明输入hdfs文件的路径
-output：指明输出hdfs文件的路径
-mapper：指明map函数
-reducer：指明reduce函数

mapper函数

mapper.php文件，写入如下代码：

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.     ?>  

复制代码

这段代码的大致意思是：把输入的每行文本中的单词找出来，并以”

             hello    1
             world  1″

这样的形式输出出来。

和之前写的PHP基本没有什么不同，对吧，可能稍微让你感到陌生有两个地方：

PHP作为可执行程序

第一行的

• #!/usr/local/php/bin/php  
  

告诉linux，要用#!/usr/local/php/bin/php这个程序作为以下代码的解释器。写过linux shell的人应该很熟悉这种写法了，每个shell脚本的第一行都是这样: #!/bin/bash, #!/usr/bin/python有了这一行，保存好这个文件以后，就可以像这样直接把mapper.php当作cat, grep一样的命令执行了：./mapper.php

使用stdin接收输入

PHP支持多种参数传入的方法，大家最熟悉的应该是从$_GET, $_POST超全局变量里面取通过Web传递的参数，次之是从$_SERVER['argv']里取通过命令行传入的参数，这里，采用的是标准输入stdin
它的使用效果是：
在linux控制台输入 ./mapper.php
mapper.php运行，控制台进入等候用户键盘输入状态
用户通过键盘输入文本
用户按下Ctrl + D终止输入，mapper.php开始执行真正的业务逻辑，并将执行结果输出
那么stdout在哪呢？print本身已经就是stdout啦，跟我们以前写web程序和CLI脚本没有任何不同。

reducer函数

创建reducer.php文件，写入如下代码：

1.     #!/usr/local/php/bin/php  
   
2.     <?php  
   
3.     $word2count = array();  
   
4.     // input comes from STDIN  
   
5.     while (($line = fgets(STDIN)) !== false) {  
   
6.         // remove leading and trailing whitespace  
   
7.         $line = trim($line);  
   
8.         // parse the input we got from mapper.php  
   
9.         list($word, $count) = explode(chr(9), $line);  
   
10.         // convert count (currently a string) to int  
    
11.         $count = intval($count);  
    
12.         // sum counts  
    
13.         if ($count > 0) $word2count[$word] += $count;  
    
14.     }  
    
15.     // sort the words lexigraphically  
    
16.     //  
    
17.     // this set is NOT required, we just do it so that our  
    
18.     // final output will look more like the official Hadoop  
    
19.     // word count examples  
    
20.     ksort($word2count);  
    
21.     // write the results to STDOUT (standard output)  
    
22.     foreach ($word2count as $word => $count) {  
    
23.         echo $word, chr(9), $count, PHP_EOL;  
    
24.     }  
    
25.     ?>  

复制代码

这段代码的大意是统计每个单词出现了多少次数，并以”
hello   2
world  1″
这样的形式输出

用Hadoop来运行

把文件放入 Hadoop 的 DFS 中：
bin/hadoop dfs -put test.log test执行 php 程序处理这些文本(以Streaming方式执行PHP mapreduce程序:
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 out
注意：
1) input和output目录是在hdfs上的路径
2) mapper和reducer是在本地机器的路径，一定要写绝对路径，不要写相对路径，以免到时候hadoop报错说找不到mapreduce程序
3 ) mapper.php 和 reducer.php 必须复制到所有 DataNode 服务器上的相同路径下, 所有的服务器都已经安装php.且安装路径一样.

查看结果

bin/hadoop d fs -cat /tmp/out/part-00000

http://blog.csdn.net/hguisu/article/details/7263746

用PHP编写Hadoop的MapReduce程序