Hadoop Streaming命令
来源:互联网 发布:java远程调用dll 编辑:程序博客网 时间:2024/06/11 03:52
1 Streaming命令
使用下面的命令运行Streaming MapReduce程序:
$HADOOP_HOME/bin/hadoop streaming args
其中args是streaming参数,下面是参数列表:
-input <path>
输入数据路径
-output <path>
输出数据路径
-mapper <cmd|JavaClassName>
mapper可执行程序或Java类
-reducer <cmd|JavaClassName>
reducer可执行程序或Java类
-file <file> Optional
分发本地文件
-cacheFile <file> Optional
分发HDFS文件
-cacheArchive <file> Optional
分发HDFS压缩文件
-numReduceTasks <num> Optional
reduce任务个数
-jobconf | -D NAME=VALUE Optional
作业配置参数
-combiner <JavaClassName> Optional
Combiner Java类
-partitioner <JavaClassName> Optional
Partitioner Java类
-inputformat <JavaClassName> Optional
InputFormat Java类
-outputformat <JavaClassName> Optional
OutputFormat Java类
-inputreader <spec> Optional
InputReader配置
-cmdenv <n>=<v> Optional
传给mapper和reducer的环境变量
-mapdebug <path> Optional
mapper失败时运行的debug程序
-reducedebug <path> Optional
reducer失败时运行的debug程序
-verbose Optional
详细输出模式
2 命令参数详解
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。特别建议用-jobconf mapred.job.name=’My Job Name’设置作业名,使用-jobconf mapred.job.priority=VERY_HIGH | HIGH | NORMAL | LOW | VERY_LOW设置作业优先级,使用-jobconf mapred.job.map.capacity=M设置同时最多运行M个map任务,使用-jobconf mapred.job.reduce.capacity=N设置同时最多运行N个reduce任务。常见的作业配置参数如下表所示:
mapred.job.name
作业名
mapred.job.priority
作业优先级
mapred.job.map.capacity
最多同时运行map任务数
mapred.job.reduce.capacity
最多同时运行reduce任务数
hadoop.job.ugi
作业执行权限
mapred.map.tasks
map任务个数
mapred.reduce.tasks
reduce任务个数
mapred.job.groups
作业可运行的计算节点分组
mapred.task.timeout
任务没有响应(输入输出)的最大时间
mapred.compress.map.output
map的输出是否压缩
mapred.map.output.compression.codec
map的输出压缩方式
mapred.output.compress
reduce的输出是否压缩
mapred.output.compression.codec
reduce的输出压缩方式
stream.map.output.field.separator
map输出分隔符
-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
-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。
注意事项
1) mapper或reducer程序尽量输出一些重要的错误日志到标准错误,不要写本地文件,因为程序执行完以后本地文件就会被删除,但是输出到标准错误的日志会被保存,有利于出现问题定位程序问题。但是量不要太大,否则会影响性能。
2) 注意mapper和reducer程序的返回值,Streaming框架默认认为程序返回值为0时用户程序正常,非0时用户程序异常从而导致任务失败,多次任务失败导致作业失败。
3) mapper或reducer程序在遇到从标准输入读到EOF,读标准输入异常,pipe broken异常,写标准输出异常,写标准错误异常时,应该主动退出。
4) mapper或reducer程序可以在当前目录下创建临时文件进行读写,但是不允许向它的上层目录,或者在cacheArchive解压后的目录中创建或写文件。
5) zip压缩包中不能有中文字符的文件名,否则Java解压会出现异常。
如果使用新版本命令格式,命令行中参数要先指定genericOptions如-D,然后指定commandOptions如-mapper
3、mapred尝试任务失败次数控制及map任务失败率控制
-D mapred.map.max.attempts="3" \
-D mapred.reduce.max.attempts="3" \
-D mapred.max.map.failures.percent="1" \ 设置map任务失败率容忍率
- Hadoop Streaming命令
- hadoop streaming 命令
- Hadoop Streaming命令
- Hadoop Streaming shell 脚本命令汇总
- Hadoop Streaming
- Hadoop Streaming
- Hadoop Streaming
- Hadoop Streaming
- hadoop streaming
- Hadoop Streaming
- Hadoop Streaming
- Hadoop Streaming
- Hadoop Streaming
- Hadoop Streaming
- Hadoop Streaming
- hadoop streaming
- Hadoop Streaming
- hadoop streaming
- java 从零开始,学习笔记之基础入门<SQL_Server>(二十一)
- Canvas笔画向量交互动画效果,随着鼠标描绘轨迹
- 熬之滴水成石:最想深入了解的内容--windows内核机制(8)
- 查询集合记录作一张表使用
- uva106 - Fermat vs. Pythagoras 互素勾股数
- Hadoop Streaming命令
- tintxml 操作封装,包括CDATA使用
- linux -- aptitude
- Java基础 之软引用、弱引用、虚引用
- CListCtrl使用技巧
- 九度题目:字符串排序(1135)
- poj1080
- 如何获得iframe 里面的对象和操作iframe里面的对象
- 找回u盘丢失的照片怎么操作