hadoop streaming 命令
1 Streaming命令
使用下面的命令运行Streaming MapReduce程序：
|
$HADOOP_HOME/bin/hadoop streaming args |
其中args是streaming参数，下面是参数列表：
| -input | 输入数据路径 |
| -output | 输出数据路径 |
| -mapper | mapper可执行程序或Java类 |
| -reducer | reducer可执行程序或Java类 |
| -file Optional | 分发本地文件 |
| -cacheFile Optional | 分发HDFS文件 |
| -cacheArchive Optional | 分发HDFS压缩文件 |
| -numReduceTasks Optional | reduce任务个数 |
| -jobconf | -D NAME=VALUE Optional | 作业配置参数 |
| -combiner Optional | Combiner Java类 |
| -partitioner Optional | Partitioner Java类 |
| -inputformat Optional | InputFormat Java类 |
| -outputformat Optional | OutputFormat Java类 |
| -inputreader Optional | InputReader配置 |
| -cmdenv = Optional | 传给mapper和reducer的环境变量 |
| -mapdebug Optional | mapper失败时运行的debug程序 |
| -reducedebug Optional | reducer失败时运行的debug程序 |
| -verbose Optional | 详细输出模式 |
2 命令参数详解
下面是对各个参数的详细说明：
-input ：指定作业输入，path可以是文件或者目录，可以使用*通配符，-input选项可以使用多次指定多个文件或目录作为输入。
-output ：指定作业输出目录，path必须不存在，而且执行作业的用户必须有创建该目录的权限，-output只能使用一次。
-mapper：指定mapper可执行程序或Java类，必须指定且唯一。
-reducer：指定reducer可执行程序或Java类，必须指定且唯一。
-file, -cacheFile, -cacheArchive：分别用于向计算节点分发本地文件、HDFS文件和HDFS压缩文件
-numReduceTasks：指定reducer的个数，如果设置-numReduceTasks 0或者-reducer NONE则没有reducer程序，mapper的输出直接作为整个作业的输出。
-jobconf | -D NAME=VALUE：指定作业参数，NAME是参数名，VALUE是参数值，可以指定的参数参考hadoop-default.xml。特别建议用-jobconf mapred.job.name=’My Job Name’设置作业名，使用-jobconf mapred.job.priority=VERY_HIGH | HIGH | NORMAL | LOW | VERY_LOW设置作业优先级，使用-jobconf mapred.job.map.capacity=M设置同时最多运行M个map任务，使用-jobconf mapred.job.reduce.capacity=N设置同时最多运行N个reduce任务。常见的作业配置参数如下表所示：
| 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 |
-combiner：指定combiner Java类，对应的Java类文件打包成jar文件后用-file分发。
-partitioner：指定partitioner Java类，Streaming提供了一些实用的partitioner实现
-inputformat, -outputformat：指定inputformat和outputformat Java类，用于读取输入数据和写入输出数据，分别要实现InputFormat和OutputFormat接口。如果不指定，默认使用TextInputFormat和TextOutputFormat。
-cmdenv NAME=VALUE：给mapper和reducer程序传递额外的环境变量，NAME是变量名，VALUE是变量值。
-mapdebug, -reducedebug：分别指定mapper和reducer程序失败时运行的debug程序。
-verbose：指定输出详细信息，例如分发哪些文件，实际作业配置参数值等，可以用于调试。
注意事项
1) mapper或reducer程序尽量输出一些重要的错误日志到标准错误，不要写本地文件，因为程序执行完以后本地文件就会被删除，但是输出到标准错误的日志会被保存，有利于出现问题定位程序问题。但是量不要太大，否则会影响性能。
2) 注意mapper和reducer程序的返回值，Streaming框架默认认为程序返回值为0时用户程序正常，非0时用户程序异常从而导致任务失败，多次任务失败导致作业失败。
3) mapper或reducer程序在遇到从标准输入读到EOF，读标准输入异常，pipe broken异常，写标准输出异常，写标准错误异常时，应该主动退出。
4) mapper或reducer程序可以在当前目录下创建临时文件进行读写，但是不允许向它的上层目录，或者在cacheArchive解压后的目录中创建或写文件。
5) zip压缩包中不能有中文字符的文件名，否则Java解压会出现异常。
如果使用新版本命令格式，命令行中参数要先指定genericOptions如-D，然后指定commandOptions如-mapper