用PHP编写Hadoop的MapReduce程序

happy_boy

　　来源：http://blog.iyunv.com/hguisu/article/details/7263746

Hadoop流
　　

　　虽然Hadoop是用java写的，但是Hadoop提供了Hadoop流，Hadoop流提供一个API, 允许用户使用任何语言编写map函数和reduce函数.
Hadoop流动关键是，它使用UNIX标准流作为程序与Hadoop之间的接口。因此，任何程序只要可以从标准输入流中读取数据，并且可以把数据写入标准输出流中，那么就可以通过Hadoop流使用任何语言编写MapReduce程序的map函数和reduce函数。
例如：bin/hadoop jar contrib/streaming/hadoop-streaming-0.20.203.0.jar -mapper /usr/local/hadoop/mapper.php -reducer /usr/local/hadoop/reducer.php -input test/* -output out4
Hadoop流引入的包：hadoop-streaming-0.20.203.0.jar,Hadoop根目录下是没有hadoop-streaming.jar的，因为streaming是一个contrib，所以要去contrib下面找，以hadoop-0.20.2为例，它在这里：
-input：指明输入hdfs文件的路径
-output：指明输出hdfs文件的路径
-mapper：指明map函数
-reducer：指明reduce函数

mapper函数

　　mapper.php文件，写入如下代码：

• #!/usr/local/php/bin/php  
  
•   
  

　　这段代码的大致意思是：把输入的每行文本中的单词找出来，并以”

　　
             hello    1
             world  1″

　　这样的形式输出出来。

　　和之前写的PHP基本没有什么不同，对吧，可能稍微让你感到陌生有两个地方：

PHP作为可执行程序

　　第一行的

• #!/usr/local/php/bin/php  
  

告诉linux，要用#!/usr/local/php/bin/php这个程序作为以下代码的解释器。写过linux shell的人应该很熟悉这种写法了，每个shell脚本的第一行都是这样: #!/bin/bash, #!/usr/bin/python　　
　　有了这一行，保存好这个文件以后，就可以像这样直接把mapper.php当作cat, grep一样的命令执行了：./mapper.php

使用stdin接收输入

　　PHP支持多种参数传入的方法，大家最熟悉的应该是从$_GET, $_POST超全局变量里面取通过Web传递的参数，次之是从$_SERVER['argv']里取通过命令行传入的参数，这里，采用的是标准输入stdin
　　它的使用效果是：
　　在linux控制台输入 ./mapper.php
　　mapper.php运行，控制台进入等候用户键盘输入状态
　　用户通过键盘输入文本
　　用户按下Ctrl + D终止输入，mapper.php开始执行真正的业务逻辑，并将执行结果输出
　　那么stdout在哪呢？print本身已经就是stdout啦，跟我们以前写web程序和CLI脚本没有任何不同。

reducer函数

　　创建reducer.php文件，写入如下代码：

• #!/usr/local/php/bin/php  
  
•   
  

　　这段代码的大意是统计每个单词出现了多少次数，并以”
　　hello   2
　　world  1″
　　这样的形式输出

用Hadoop来运行

　　
　　把文件放入 Hadoop 的 DFS 中：
　　

bin/hadoop dfs -put test.log test
执行 php 程序处理这些文本(以Streaming方式执行PHP mapreduce程序:):
　　
　　bin/hadoop jar contrib/streaming/hadoop-streaming-0.20.203.0.jar -mapper /usr/local/hadoop/mapper.php -reducer /usr/local/hadoop/reducer.php -input test/* -output out
　　注意：
　　1) input和output目录是在hdfs上的路径
　　2) mapper和reducer是在本地机器的路径，一定要写绝对路径，不要写相对路径，以免到时候hadoop报错说找不到mapreduce程序
　　3 ) mapper.php 和 reducer.php 必须复制到所有 DataNode 服务器上的相同路径下, 所有的服务器都已经安装php.且安装路径一样.

查看结果

　　bin/hadoop d fs -cat /tmp/out/part-00000