用Hadoop Streaming技术集成newLISP脚本

本文example6环境和之前的Hadoop 1.x不同，是在Hadoop 2.x环境下测试。功能和前面的日志处理程序一样。

第一个newLISP脚本,起到mapper的作用，在stdin中读取文本数据，将did作为key, value为1，然后将结果输出到stdout

第二个newLISP脚本，起到reducer的作用，在stdin中读取<key, values>, key是dic， values是所有的value，简单对value求和后，写到stdout中

最后应该可以在HDFS下看到结果。

 

用脚本编程的好处是方便测试，现在先开发newLISP脚本读入文件，并仿照map逻辑处理，然后交给后续的newLISP脚本仿照reduce处理。

下面是map.lsp代码：

[plain] view plaincopyprint?

1.  #!/usr/bin/newlisp  

2.    

3.  (while (read-line)  

4.    (set 'value (parse (current-line) ","))  

5.    (println (string (value 2) "\t1"))  

6.  )  

7.    

8.  (exit)  

测试一下：

[plain] view plaincopyprint?

1.  cat logs/sign_2014-05-10.0.csv | ./map.lsp  

结果还不错：

[plain] view plaincopyprint?

1.  537025b84700aab27472b87f        1  

2.  537023124700aab27472b82a        1  

3.  537031a24700aab27472b982        1  

4.  537023c84700aab27472b841        1  

5.  537014e74700aab27472b48b        1  

6.  53702cac4700aab27472b928        1  

7.  537049cd4700aab27472ba91        1  

8.  5370dd0b4700aab27472bde4        1  

将一行记录按照,拆开，放在一个list中，然后取第三个元素，也就是设备ID，之后添加\t为列分隔符号，然后再添加1.

这样就转成了did\t1\n的形式的<key,value>给reduce。注意newLISP的代码println函数会自动在字符串后面添加\n.

 

下面来实现reduce.lsp代码：

[plain] view plaincopyprint?

1.  (new Tree 'my-table)  

2.    

3.  (while (read-line)  

4.    (set 'line-value (parse (current-line) "\t"))  

5.    (set 'key (line-value 0))  

6.    (set 'value (int (line-value 1)))  

7.    (set 'v (my-table key))  

8.    (if v  

9.        (my-table key (+ v value))  

10.     (my-table key value)  

11.       )  

12. )  

13.   

14. (dolist (item (my-table)) (println (item 0) "\t" (item 1)))  

15.   

16. (exit)  

首先创建了一个my-table，用来保存<key,value>

然后将map.lsp输出的数据每行按照\t拆分，获取key和value

存入my-table中，用key查询，有则value加1,无key则添加进去。

最后遍历整个my-table，输出did\tsum\n这样的数据。

 

下面的命令可以将map和reduce脚本连起来测试：

[plain] view plaincopyprint?

1.  cat logs/sign_2014-05-10.0.csv | ./map.lsp | sort | ./reduce.lsp  

 

在hadoop集群部署的时候首先要确保newlisp二进制程序都部署在所有节点的/usr/bin/目录下,并且有执行权限。由于newlisp程序本身非常小，所以部署及其轻松，直接scp即可。

然后执行hadoop命令：

hadoop jar hadoop-streaming-1.0.0.jar -files map.lsp reduce.lsp -input /user/chenshu/share/logs -output /user/chenshu/share/output/lisp -mapper map.lsp -reducer reduce.lsp