Hadoop Streaming 之 awk实现Map/Reduce

艾辉

　　//TODO 说明

[xxuser@xxhost ~]$ hadoop jar $HADOOP_STREAMING_JAR \
> -input /test/ylb/mock_data/cv-pt-demo.txt \
> -output /test/ylb/mock_data/output/cv-pt-demo-10 \
> -mapper "awk '\$1~/1/ {printf(\"%s\t%s\n\",\$1,\$2)}'" \
> -reducer "awk 'BEGIN{pt[\"test_key\"]=0;} {key=\$2/10;pt[key]+=1;} END{ for(k in pt){printf(\"%d\t%d\n\",k,pt[k]);} }'"
 　　

　　1. -mapper " awk '  '  "    , 这种写法的话， ' ' 里面的脚本中有三种字符（shell特殊字符）需要转义，分别是  " ' $ 
　　  这种写法的好处是可以方便的引用外部shell变量
　　-mapper '  awk " "  '    这种写法则不需要转义
　　第一种写法比较容易出错，所有必须要理解 unix shell 的   双引号  单引号 的区别
　　摘自 http://hi.baidu.com/liangkejia_jaja/blog/item/189438f03ef74709b17ec5bf.html

1)"" -> 双引号（不保留完整内容，比如遇到$, 反引号, \ 等就会执行相应的shell）
# echo "Today is `date`"   -> Today is Wed Aug  3 05:50:34 GMT 2011
2)'' -> 单引号（完整保留内容）
# echo "Today is `date`"   -> Today is `date`
3)`` -> 反引号 （反引号内的shell会执行）
# echo `date`   -> Wed Aug 3 05:59:19 GMT 2011