Hadoop Streaming 实战: 输出文件分割

        我们知道,Hadoop streaming框架默认情况下会以'/t’作为分隔符,将每行第一个'/t’之前的部分作为key,其余内容作为value,如果没有'/t’分隔符,则整行作为key;这个key/tvalue对又作为reduce的输入。hadoop 提供配置供用户自主设置分隔符。
      -D stream.map.output.field.separator :设置map输出中key和value的分隔符
      -D stream.num.map.output.key.fields :  设置map程序分隔符的位置,该位置之前的部分作为key,之后的部分作为value
      -D map.output.key.field.separator : 设置map输出中key内部的分割符
      -D num.key.fields.for.partition : 指定分桶时,key按照分隔符切割后,其中用于分桶key所占的列数(配合-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner 使用)
      -D stream.reduce.output.field.separator:设置reduce输出中key和value的分隔符
      -D stream.num.reduce.output.key.fields:设置reduce程序分隔符的位置

      实例:
      1. 编写map程序mapper.sh;reduce程序reducer.sh; 测试数据test.txt

mapper.sh:
#!/bin/sh
cat

reducer.sh:
#!/bin/sh
sort

test.txt内容:
1,2,1,1,1
1,2,2,1,1
1,3,1,1,1
1,3,2,1,1
1,3,3,1,1
1,2,3,1,1
1,3,1,1,1
1,3,2,1,1
1,3,3,1,1

       2.  test.txt放入hadoop,两种方式运行
           1)无分隔符设置运行

$ hadoop fs -put test.txt /app/test/
$ hadoop streaming -input /app/test/test.txt /
	-output /app/test/test_result /
	-mapper ./mapper.sh -reducer ./reducer.sh 
	-file mapper.sh -file reducer.sh /
	-jobconf mapred.reduce.tasks=2 /
	-jobconf mapre.job.name="sep_test"
$ hadoop fs –cat /app/test/test_result/part-00000
    1,2,2,1,1
    1,3,1,1,1
    1,3,1,1,1
    1,3,3,1,1
    1,3,3,1,1
$ hadoop fs –cat /app/test/test_result/part-00001
    1,2,1,1,1
    1,2,3,1,1
    1,3,2,1,1
    1,3,2,1,1

           2)设置分隔符运行

$ hadoop streaming -D stream.reduce.output.field.separator=, 
        -D stream.num.reduce.output.key.fields=2 
         -input /app/test/test.txt
        -output /app/test/test_result_1 
        -mapper ./mapper.sh -reducer ./reducer.sh     
        -file mapper.sh   -file reducer.sh 
        -jobconf mapred.reduce.tasks=2 
        -jobconf mapre.job.name="sep_test"
$ hadoop fs -cat /app/test/test_result_1/part-00000
    1,2     1,1,1
    1,2     2,1,1
    1,2     3,1,1
$ hadoop fs -cat /app/test/test_result_1/part-00001
    1,3     1,1,1
    1,3     1,1,1
    1,3     2,1,1
    1,3     2,1,1
    1,3     3,1,1
    1,3     3,1,1

你可能感兴趣的:(框架,hadoop,测试)