hadoop学习-stream-Top K记录

求海量数据中最大的K个记录

来源于《hadoop实战》(hadoop in action)（美 拉姆）第4.7章节有关stream的习题。

数据源：apat63_99.txt 专利描述数据集，包含专利号、专利申请年份等等信息。可从美国国家经济研究局获得，网址为http://www.nber.org/patents 

大约有290万条记录。

这里的脚本用的是python。

apat63_99.txt里面存有专利的各种信息，这里以第9列的专利特定专利声明个数作为排序的key值，将最大的K条完整记录输出。

apat63_99.txt格式：

[plain] view plain

总结

以上是生活随笔为你收集整理的hadoop学习-stream-Top K记录的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。