hadoop streaming 语法
1、hadoop streaming 命令格式
$HADOOP_HOME/bin/hadoop jar hadoop-streaming.jar \
-D mapred.job.name="streaming_wordcount" \
-D mapred.map.tasks=3 \
-D mapred.reduce.tasks=3 \
-D mapred.job.priority=3 \
-input /input/ \
-output /output/ \
-mapper python mapper.py \
-reducer python reducer.py \
-file ./mapper.py \
-file ./reducer.py-
参数说明
- mapred.job.name：作业名称
- mapred.map.tasks：map任务数量
- mapred.reduce.tasks：reduce任务数量
- mapred.job.priority：作业优先级
- -input：在HDFS上的作业输入路径，支持通配符，支持多个文件
- -output：在HDFS上的作业结果输出路径
- -mapper：mapper可执行程序或Java类
- -reducer：reducer可执行程序或Java类
- -file：分发本地文件
- 注：在hadoop2.x版本中，hadoop-streaming.jar 程序存放在
$HADOOP_HOME/share/hadoop/tools/lib目录下；在hadoop1.x版本中，hadoop-streaming.jar程序存放在$HADOOP_HOME/contrib/streaming目录下
2、hadoop streaming 常用参数
- hadoop streaming 参数
| 参数 | 说明 |
|---|---|
| -input <path> | 输入数据路径 |
| -output <path> | 输出数据路径 |
| -mapper <cmd/JavaClassName> | mapper可执行程序或Java类 |
| -reducer <cmd/JavaClassName> | reducer可执行程序或Java类 |
| -file <file> Optional | 分发本地文件 |
| -cacheFile <file> Optional | 分发HDFS文件 |
| -cacheArchive <file> Optional | 分发HDFS压缩文件 |
| -numReduceTasks <num> Optional | reduce任务个数 |
| -jobconf -D NAME=VALUE Optional | 作业配置参数 |
| -combiner <JavaClassName> Optional | Combiner Java类 |
| -partitioner <JavaClassName> Optional | Partitioner Java类 |
| -inputformat <JavaClassName> Optional | InputFormat Java类 |
| -outputformat <JavaClassName> Optional | OutputFormat Java类 |
| -inputreader <spec> Optional | InputReader配置 |
| -cmdenv <n>=<v> Optional | 传给mapper和reducer的环境变量 |
| -mapdebug <path> Optional | mapper失败时运行的debug程序 |
| -reducedebug <path> Optional | reducer失败时运行的debug程序 |
| -verbose Optional | 详细输出模式 |
- -jobconf -D NAME=VALUE Optional作业参数说明
| 作业参数 | 作业参数说明 |
|---|---|
| mapred.job.name | 作业名 |
| mapred.job.priority | 作业优先级 |
| mapred.job.map.capacity | 最多同时运行map任务数 |
| mapred.job.reduce.capacity | 最多同时运行reduce任务数 |
| hadoop.job.ugi | 作业执行权限 |
| mapred.map.tasks | map任务个数 |
| mapred.reduce.tasks | reduce任务个数 |
| mapred.job.groups | 作业可运行的计算节点分组 |
| mapred.task.timeout | 任务没有响应（输入输出）的最大时间 |
| mapred.compress.map.output | map的输出是否压缩 |
| mapred.map.output.compression.codec | map的输出压缩方式 |
| mapred.output.compress | reduce的输出是否压缩 |
| mapred.output.compression.codec | reduce的输出压缩方式 |
| stream.map.output.field.separator | map输出分隔符 |
3、参考资料
本文转自 巴利奇 51CTO博客，原文链接:http://blog.51cto.com/balich/2065419
