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：

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/26559703