python實作mapreduce模式的例子

MapReduce是一種從函數式程式語言借鏡的模式，在某些場景下，它可以大幅簡化程式碼。先來看看什麼是MapReduce：

MapReduce是Google提出的軟體架構，用於大規模資料集（大於1TB）的平行運算。概念“Map（映射）”和“Reduce（歸納）”，及他們的主要思想，都是從函數式程式語言借來的，還有從向量程式語言借來的特性。
目前的軟體實作是指定一個Map（映射）函數，用來把一組鍵值對映射成一組新的鍵值對，指定並發的Reduce（歸納）函數，用來確保所有映射的鍵值對中的每一個共享相同的鍵組。
簡單來說，MapReduce就是把待處理的問題分解成Map和Reduce兩個部分。而待處理的資料作為一個序列，每個序列裡的資料透過Map的函數進行運算，再透過Reduce的函數進行聚合成最終的結果。

下面使用mapreduce模式實作了一個簡單的統計日誌中單字出現次數的程式:

from functools import reduce
from multiprocessing import Pool
from collections import Counter

def read_inputs(file):
    for line in file:
        line = line.strip()
        yield line.split()

def count(file_name):
    file = open(file_name)
    lines = read_inputs(file)
    c = Counter()
    for words in lines:
        for word in words:
            c[word] += 1
    return c

def do_task():
    job_list = ['log.txt'] * 10000
    pool = Pool(8)
    return reduce(lambda x, y: x+y, pool.map(count, job_list))

if __name__ == "__main__":
    rv = do_task()