本文共 2131 字,大约阅读时间需要 7 分钟。
如果程序运行所需要的可执行文件、脚本或者配置文件在Hadoop集群的计算节点上不存在,则首先需要将这些文件分发到集群上才能成功进行计算。
Hadoop提供了自动分发文件和压缩包的机制,只需要在启动Streaming作业时配置相应的参数。
1. –file 将本地文件分发到计算结点 2. –cacheFile 文件已经存放在HDFS中,希望计算时在每个计算节点上将文件当作本地文件处理 3. –cacheArchive 将存放在HDFS中的压缩包分发并解压-file实战: 使用-file分发本地可执行文件和其他文件
a. 待计算的数据放入hdfs
$ hadoop fs -put localfile /user/hadoop/hadoopfileb. 编写map、reduce脚本,记得给脚本加可执行权限。
mapper.shreducer.sh
hello.txt文件内容:
hello
world
c. 运行: $ hadoop streaming –input /user/hadoop/hadoopfile -output /user/hadoop/result -mapper ./mapper.sh -reducer ./reducer.sh -file mapper.sh -file reducer.sh -file hello.txt -jobconf mapred.reduce.tasks=1 -jobconf mapre.job.name="sum_test"d. 查看结果:
$ hadoop fs –cat /user/hadoop/result/part-00000
-cacheFile实战
a. 待计算的数据和文件放入hdfs
$ hadoop fs -put localfile /user/hadoop/hadoopfile $ hadoop fs -put hello.txt /user/hadoop/b.运行命令(mapper.sh和reducer.sh脚本内容同上):
$ hadoop streaming –input /user/hadoop/hadoopfile -output /user/hadoop/result -mapper ./mapper.sh -reducer ./reducer.sh -file mapper.sh -file reducer.sh -cacheFile -jobconf mapred.reduce.tasks=1 -jobconf mapre.job.name="sum_test" 可以通过配置文件hadoop-site.xml中的fs.default.name配置参数的值得到文件所在的host和port。c. 查看结果:
$ hadoop fs –cat /user/hadoop/result/part-00000 -cacheArchive 实战a. 创建一个目录test,目录中包含文件mapper.txt,reducer,hello.txt
修改mapper.sh:c.运行命令:
$ hadoop streaming –input /user/hadoop/hadoopfile -output /user/hadoop/result -mapper “./test/mapper.sh ./test/hello.txt” -reducer ./test/reducer.sh -cacheArchive hdfs://host:port/user/hadoop/test/test.tar.gz#test -jobconf mapred.reduce.tasks=1 -jobconf mapre.job.name="sum_test"d. 查看结果:
$ hadoop fs –cat /user/hadoop/result/part-00000首先将本地test目录中的所有文件和目录打包压缩,然后上传到HDFS中。启动streaming任务时使用-cacheArchive选项将test.tar.gz分发到计算节点并解压到test目录,然后在当前工作目录创建到test目录的链接,-mapper选项指定为mapper程序及其运行参数,-reducer选项指定reducer程序。本地打包时要进入目录test而不是在test的上层目录打包,否则要通过test/test/mapper.sh才能访问到mapper.shl文件。
转载地址:http://sizbb.baihongyu.com/