Hadoop Streaming 实战： 输出文件分割

zhouln

　　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

版权声明：本文为博主原创文章，未经博主允许不得转载。