如何在awk中编写优化的reducer

3zwjbxry 于 2021-06-03 发布在 Hadoop

关注(0)|答案(2)|浏览(514)

我有下面的awk减缩程序，它在计算键值对中的值时运行良好。


# !/bin/awk -f

BEGIN {FS="\t";
}
{       A[$1]+=$2;      
}
END {
        for(i in A)    
        {printf("%s\t %d\n" ,i ,A[i])}
}

上面的减速机工作得很好，有没有什么优化的方法来写。。。？
输入：

APPLE 1
APPLE 1
 1
ORANGE  1
ORANGE  1
MANGO 1
BANANA 1
 1
 1
 1
ORANGE  1
 1
APPLE 1
BANANA 1

输出：

APPLE 3
BANANA 2
MANGO 1
ORANGE 3
 5

hadoop reduce optimization awk Map

来源：https://stackoverflow.com/questions/17908421/how-to-write-optimized-reducer-in-awk

2条答案

按热度按时间

qoefvg9y1#

取决于优化的定义，当前解决方案的局限性在于它必须在关联数组中维护整个结果集。另一种方法是将字段1与前一个值进行比较，如果匹配则更新计数，否则输出前一个值和计数。使用此方法，您可以在运行时输出结果。我不知道使用此算法的性能代价，但正如我前面所说，它没有内存限制：

BEGIN {
  FS = "\t";
  OFS = "\t";
}
{ 
  if ($1 != prev) { 
    if (prev != "") { print prev, count;} 
    prev=$1; 
    count=0;
  }
  count += $2 
}
END { 
  print prev, count
}

赞(0）回复(0）举报 2021-06-04

wfauudbj2#

BEGIN {FS="\t"; OFS="\t "}
{ A[$1]+=$2 }
END {
    for(i in A)    
        print i, A[i]
}

当然，根据您的输入数据和实际需要的优化类型，可能会有其他选择。

赞(0）回复(0）举报 2021-06-03

我来回答

如何在awk中编写优化的reducer

2条答案

相关问题

热门标签

最新问答