hadoop 流streaming跑python程序
先放上命令:
hadoop jar /usr/hadoop-1.2.1/contrib/streaming/hadoop-streaming-1.2.1.jar -mapper mapper.py -file mapper.py -reduce reduce.py -file reduce.py -file params.txt -file params2.txt -input /data/* -output /output
其中output不存在才可以。
mapper.py的输出直接传给reduce.py
比如在hadoop的集群中,/data/目录下有如下几个文件:
[root@master program]# hadoop fs -ls /data/ Found 10 items -rw-r--r-- 3 root supergroup 35596 2015-06-18 16:45 /data/cars-00 -rw-r--r-- 3 root supergroup 35592 2015-06-18 16:45 /data/cars-01 -rw-r--r-- 3 root supergroup 35588 2015-06-18 16:45 /data/cars-02 -rw-r--r-- 3 root supergroup 35584 2015-06-18 16:45 /data/cars-03 -rw-r--r-- 3 root supergroup 35584 2015-06-18 16:45 /data/cars-04 -rw-r--r-- 3 root supergroup 35596 2015-06-18 16:45 /data/cars-05 -rw-r--r-- 3 root supergroup 35588 2015-06-18 16:45 /data/cars-06 -rw-r--r-- 3 root supergroup 35586 2015-06-18 16:45 /data/cars-07 -rw-r--r-- 3 root supergroup 35584 2015-06-18 16:45 /data/cars-08 -rw-r--r-- 3 root supergroup 35574 2015-06-18 16:45 /data/cars-09
对于任何一个文件,如果在本地可以这样完成操作即可:
cat cars-00 | ./mapper.py | ./reduce.py