Hadoop概念学习系列之Hadoop Streaming(二十三)
2016-07-11 10:21
363 查看
[b]Streaming的原理:[/b]
是用Java实现一个包装用户程序的MapReduce程序,该程序负责调用MapReduce Java接口获取key/value对输入,创建一个新的进程启动包装的用户程序,将数据通过管道传递给包装的用户程序处理,然后调用MapReduce Java接口将用户程序的输出切分成key/value对输出。
[b]Streaming优点:[/b]
1)开发效率高,便于移植只要按照标准输入输出格式进行编程,就可以满足hadoop要求。因此单机程序稍加改动就可以在集群上进行使用。 同样便于测试只要按照 cat input | mapper | sort | reducer > output 进行单机测试即可。 如果单机测试通过,大多数情况是可以在集群上成功运行的,只要控制好内存就好了。
2)提高程序效率。有些程序对内存要求较高,如果用java控制内存毕竟不如C/C++。
Streaming不足:
1)Hadoop Streaming默认只能处理文本数据,无法直接对二进制数据进行处理
2)Streaming中的mapper和reducer默认只能向标准输出写数据,不能方便地处理多路输出。
[b]Streaming编程接口参数[/b]
Streaming编程接口默认有很多参数,这些参数的作用其实和我们用Java 开发MapReduce里面的驱动类有点相似。具体参数介绍:
下面是对各个参数的详细说明:
-input < path>:指定作业输入,path可以是文件或者目录,可以使用*通配符,-input选项可以使用多次指定多个文件或目录作为输入。
-output < path>:指定作业输出目录,path必须不存在,而且执行作业的用户必须有创建该目录的权限,-output只能使用一次。
-mapper:指定mapper可执行程序或Java类,必须指定且唯一。
-reducer:指定reducer可执行程序或Java类,必须指定且唯一。
-file, -cacheFile, -cacheArchive:分别用于向计算节点分发本地文件、HDFS文件和HDFS压缩文件。
-numReduceTasks:指定reducer的个数,如果设置-numReduceTasks 0或者-reducer NONE则没有reducer程序,mapper的输出直接作为整个作业的输出。
-jobconf | -D NAME=VALUE:指定作业参数,NAME是参数名,VALUE是参数值,可以指定的参数参考hadoop-default.xml。
-combiner:指定combiner Java类,对应的Java类文件打包成jar文件后用-file分发。
-partitioner:指定partitioner Java类,Streaming提供了一些实用的partitioner实现,参考KeyBasedFiledPartitoner和IntHashPartitioner。
-inputformat, -outputformat:指定inputformat和outputformat Java类,用于读取输入数据和写入输出数据,分别要实现InputFormat和OutputFormat接口。如果不指定,默认使用TextInputFormat和TextOutputFormat。
-cmdenv NAME=VALUE:给mapper和reducer程序传递额外的环境变量,NAME是变量名,VALUE是变量值。
-mapdebug, -reducedebug:分别指定mapper和reducer程序失败时运行的debug程序。
-verbose:指定输出详细信息,例如分发哪些文件,实际作业配置参数值等,可以用于调试。
欢迎大家,加入我的微信公众号:大数据躺过的坑 免费给分享
同时,大家可以关注我的个人博客:
http://www.cnblogs.com/zlslch/ 和 http://www.cnblogs.com/lchzls/
人生苦短,我愿分享。本公众号将秉持活到老学到老学习无休止的交流分享开源精神,汇聚于互联网和个人学习工作的精华干货知识,一切来于互联网,反馈回互联网。
目前研究领域:大数据、机器学习、深度学习、人工智能、数据挖掘、数据分析。 语言涉及:Java、Scala、Python、Shell、Linux等 。同时还涉及平常所使用的手机、电脑和互联网上的使用技巧、问题和实用软件。 只要你一直关注和呆在群里,每天必须有收获
以及对应本平台的QQ群:161156071(大数据躺过的坑)
是用Java实现一个包装用户程序的MapReduce程序,该程序负责调用MapReduce Java接口获取key/value对输入,创建一个新的进程启动包装的用户程序,将数据通过管道传递给包装的用户程序处理,然后调用MapReduce Java接口将用户程序的输出切分成key/value对输出。
[b]Streaming优点:[/b]
1)开发效率高,便于移植只要按照标准输入输出格式进行编程,就可以满足hadoop要求。因此单机程序稍加改动就可以在集群上进行使用。 同样便于测试只要按照 cat input | mapper | sort | reducer > output 进行单机测试即可。 如果单机测试通过,大多数情况是可以在集群上成功运行的,只要控制好内存就好了。
2)提高程序效率。有些程序对内存要求较高,如果用java控制内存毕竟不如C/C++。
Streaming不足:
1)Hadoop Streaming默认只能处理文本数据,无法直接对二进制数据进行处理
2)Streaming中的mapper和reducer默认只能向标准输出写数据,不能方便地处理多路输出。
[b]Streaming编程接口参数[/b]
Streaming编程接口默认有很多参数,这些参数的作用其实和我们用Java 开发MapReduce里面的驱动类有点相似。具体参数介绍:
下面是对各个参数的详细说明:
-input < path>:指定作业输入,path可以是文件或者目录,可以使用*通配符,-input选项可以使用多次指定多个文件或目录作为输入。
-output < path>:指定作业输出目录,path必须不存在,而且执行作业的用户必须有创建该目录的权限,-output只能使用一次。
-mapper:指定mapper可执行程序或Java类,必须指定且唯一。
-reducer:指定reducer可执行程序或Java类,必须指定且唯一。
-file, -cacheFile, -cacheArchive:分别用于向计算节点分发本地文件、HDFS文件和HDFS压缩文件。
-numReduceTasks:指定reducer的个数,如果设置-numReduceTasks 0或者-reducer NONE则没有reducer程序,mapper的输出直接作为整个作业的输出。
-jobconf | -D NAME=VALUE:指定作业参数,NAME是参数名,VALUE是参数值,可以指定的参数参考hadoop-default.xml。
-combiner:指定combiner Java类,对应的Java类文件打包成jar文件后用-file分发。
-partitioner:指定partitioner Java类,Streaming提供了一些实用的partitioner实现,参考KeyBasedFiledPartitoner和IntHashPartitioner。
-inputformat, -outputformat:指定inputformat和outputformat Java类,用于读取输入数据和写入输出数据,分别要实现InputFormat和OutputFormat接口。如果不指定,默认使用TextInputFormat和TextOutputFormat。
-cmdenv NAME=VALUE:给mapper和reducer程序传递额外的环境变量,NAME是变量名,VALUE是变量值。
-mapdebug, -reducedebug:分别指定mapper和reducer程序失败时运行的debug程序。
-verbose:指定输出详细信息,例如分发哪些文件,实际作业配置参数值等,可以用于调试。
欢迎大家,加入我的微信公众号:大数据躺过的坑 免费给分享
同时,大家可以关注我的个人博客:
http://www.cnblogs.com/zlslch/ 和 http://www.cnblogs.com/lchzls/
人生苦短,我愿分享。本公众号将秉持活到老学到老学习无休止的交流分享开源精神,汇聚于互联网和个人学习工作的精华干货知识,一切来于互联网,反馈回互联网。
目前研究领域:大数据、机器学习、深度学习、人工智能、数据挖掘、数据分析。 语言涉及:Java、Scala、Python、Shell、Linux等 。同时还涉及平常所使用的手机、电脑和互联网上的使用技巧、问题和实用软件。 只要你一直关注和呆在群里,每天必须有收获
以及对应本平台的QQ群:161156071(大数据躺过的坑)
相关文章推荐
- faccessat(2)linux man page
- Bzoj1798 维护序列seq
- PopUpWindow使用详解
- linux 系统下删除缓存/清理孤立包
- centos6安装python3.5、pip3.5、easy_install-3.5
- 11个最值得Java开发者收藏的网站
- 无法打开网站二级链接的解决办法
- arm9+linux s3c2440 触摸屏驱动移植
- linux环境变量的设置和查看方法
- 在 Linux 上管理加密密钥的最佳体验
- 性能测试中关键指标的监控与分析
- docker4dotnet #1 – 前世今生 & 世界你好
- docker4dotnet #1 – 前世今生 & 世界你好
- docker4dotnet #1 – 前世今生 & 世界你好
- 【技术架构】单点系统架构的可用性与性能优化
- tomcat如何路由映射网址
- tomcat如何路由映射网址
- sizeof 和strlen()的区别
- Linux access()函数 使用
- 不错的网站