按Python元组进行数值排序的MapReduce

Question

我正在使用Python元组，并且有一个文本文件，如下所示

(1,value1)
(2,value2)
(3,value3)
...
(100,value100)

如何将MapReduce作业配置为按元组中的第一个键作为整数进行排序？

我的reduce作业需要输出一个有序的元组列表，所以我不想开始用制表符替换括号和逗号。这将是一个痛苦的转换回元组。

我使用以下参数从bash运行我的hadoop作业：

hadoop jar /usr/local/Cellar/hadoop/2.*/libexec/share/hadoop/tools/lib/hadoop-streaming-2*.jar 
-D mapreduce.job.output.key.comparator.class=org.apache.hadoop.mapred.lib.KeyFieldBasedComparator
-D mapreduce.partition.keycomparator.options=-n 
-reducer reducer.py 
-input tuples.txt
-output sortedtuples

谢谢

Answer 1

如果您的值是整数，则可以使用eval函数来避免删除/转换任务。以下是您想要的工作示例：

f = open('sourceFile.txt')
L = f.readlines() 
f.close()
MyList = sorted( map(eval,L) , key=lambda x: x[0])