我看到你有两个问题：
有多个文件作为输入
如果您传入多个文件作为输入，那么同样的字数计算示例也会起作用。事实上你很容易通过考试 folder name 作为输入而不是文件名 hdfs:///logs .
您甚至可以传递一个以逗号分隔的路径列表作为输入，而不是使用以下命令： FileInputFormat.setInputPaths(conf, new Path(args[0])); 您可以使用以下选项： FileInputFormat.setInputPaths(job, args[0]); 请注意，只传递逗号分隔的列表 args[0] 就足够了。
如何将逻辑转换为mapreduce
这确实有一个陡峭的学习曲线，因为你需要考虑关键和价值观。但我觉得你可以把所有的逻辑都放在Map器里，然后 IdentityReducer ，如下所示： conf.setReducerClass(IdentityReducer.class); 如果你花一些时间阅读以下地点的例子，你应该能够更好地做出这些决定：
hadoop map reduce示例（http://hadoop-map-reduce-examples.googlecode.com/svn/trunk/hadoop-examples/src/ )
http://developer.yahoo.com/hadoop/tutorial/module4.html
http://www.michael-noll.com/tutorials/writing-an-hadoop-mapreduce-program-in-python/
http://kickstarthadoop.blogspot.in/2011/04/word-count-hadoop-map-reduce-example.html

如果已经编写了逻辑，并且希望使用emr和/或vanilla hadoop进行并行处理，则可以使用hadoop流：http://hadoop.apache.org/docs/r0.15.2/streaming.html. 简而言之，将数据放入stdin并输出到stdout的脚本可以成为一个Map器。
因此，您将使用集群在hdfs中运行数据处理，而无需重新打包您的代码。

长期正确的方法是，正如amar所说的，编写一个mapreduce作业来完成它。
但是，如果这是一次性的，并且数据量不太大，那么使用简单的bash脚本来实现这一点可能是最简单的，因为您已经有了python脚本：

hadoop fs -text /logs/* > input.log
python myscript.py input.log output.log
hadoop fs -copyFromLocal output.log /outputlogs
rm -f input.log output.log

如果这是一个重复的过程—您希望变得可靠和高效—或者您只是想学习更好地使用mapreduce，那么请坚持amar的答案。