使用teragen产生数据

转载地址：http://www.opstool.com/article/249

使用Teragen来产生数据，示例如下：

hadoop jar hadoop-*-examples.jar teragen 参数1 参数2

teragen的参数解释：

• 参数1：表示要产生的数据的行数。Teragen每行数据的大小是100B。
  要产生1T的数据，需要的行数=102410241024*1024/100=10995116277行
• 参数2 : 产生的数据放置的文件夹地址

默认的teragen的启动的map数比较少，只有2个，如果要指定map数可以加-Dmapred.map.tasks=map数的方式。比如我们来产生1T的数据

hadoop jar hadoop-*-examples.jar teragen -Dmapred.map.tasks=100 10995116277 terasort/1T-input

ls一下目录是否产出

hadoop@myhost $ hadoop fs -ls /user/hadoop/terasort/Found 1 itemsdrwxr-xr-x   - hadoop cug-admin          0 2013-07-13 12:49 /user/hadoop/terasort/1T-input

使用Terasort排序

使用terasort对刚才使用teragen产生的数据进行排序，排序结果输出到/user/hadoop/terasort/1T-output。
默认的reduce数目是1，会导致任务跑得非常慢。通过-Dmapred.reduce.tasks指定reduce数目，这里我们设置50个

hadoop jar hadoop-*-examples.jar terasort -Dmapred.reduce.tasks=50 \/user/hadoop/terasort/1T-input /user/hadoop/terasort/1T-output

启动Teragen之后，会提交mapre reduce任务来，产生TeraSort需要的数据

使用Teravalidate 进行验证

使用TeraValidate 对Terasort的结果进行验证:

hadoop jar hadoop-*-examples.jar teravalidate /user/hadoop/terasort/1T-output/user/hadoop/terasort/1T-validate