MapReduce程序按天统计唯一用户

Question

我想创建一个MapReduce程序来计算每天使用网站的唯一身份用户数。我的数据集是.csv文件，我正在提取; (date, user)其中date是dd-MM-yyyy HH:mm形式的字符串，user也是字符串。

我知道在scala中我会做（粗略地）沿着这些行;

val rdd = data.map(x => (x.date -> user))
val users = rdd.reduceByKey(_ + _)

获取每天的用户列表，然后我可以计算唯一身份用户。

我的问题是我需要在Hadoop中执行此操作，使用python为mapper和reducer创建文件。我对python不是很熟悉，并且无法决定如何按日期过滤用户。

以下是我对映射器的尝试：

import sys

for line in sys.stdin:
   line = line.strip()
   splits = line.split(",")
   timestamp = splits[0]
   user = splits[1]                
   print '%s\t%s\t%s' % (user, timestamp)

但我真的不知道如何创建减速器。任何帮助都将非常感激。

我也看到了这个问题：What's the best way to count unique visitors with Hadoop? 并且想要遵循给出的建议，但同样，我不知道如何开始创建reducer.py文件来执行此操作。