?

Streaming簡介?

link：http://www.cnblogs.com/luchen927/archive/2012/01/16/2323448.html

Streaming框架允許任何程序語言實現的程序在Hadoop MapReduce中使用，方便已有程序向Hadoop平臺移植。因此可以說對于hadoop的擴展性意義重大，今天簡單說一下。

Streaming的原理是用Java實現一個包裝用戶程序的MapReduce程序，該程序負責調用MapReduce Java接口獲取key/value對輸入，創建一個新的進程啟動包裝的用戶程序，將數據通過管道傳遞給包裝的用戶程序處理，然后調用MapReduce Java接口將用戶程序的輸出切分成key/value對輸出。?

?

Streaming優點

1 開發效率高，便于移植

只要按照標準輸入輸出格式進行編程，就可以滿足hadoop要求。因此單機程序稍加改動就可以在集群上進行使用。?同樣便于測試

只要按照 cat input | mapper | sort | reducer > output 進行單機測試即可。

如果單機測試通過，大多數情況是可以在集群上成功運行的，只要控制好內存就好了。

?? ?2 提高程序效率

有些程序對內存要求較高，如果用java控制內存畢竟不如C/C++。

Streaming不足

? ? 1?Hadoop Streaming默認只能處理文本數據，無法直接對二進制數據進行處理?

? ? 2?Streaming中的mapper和reducer默認只能向標準輸出寫數據，不能方便地處理多路輸出?

具體參數介紹

?

-input?? ?<path>	輸入數據路徑
-output? ?<path>	輸出數據路徑
-mapper ?<cmd|JavaClassName>	mapper可執行程序或Java類
-reducer? <cmd|JavaClassName>	reducer可執行程序或Java類
-file???? ???????<file>????????Optional	分發本地文件
-cacheFile???? ??<file>????????Optional	分發HDFS文件
-cacheArchive???<file>?????????Optional	分發HDFS壓縮文件
-numReduceTasks ?<num>?????Optional	reduce任務個數
-jobconf | -D NAME=VALUE ???Optional	作業配置參數
-combiner?<JavaClassName>????Optional	Combiner Java類
-partitioner?<JavaClassName>???Optional	Partitioner Java類
-inputformat?<JavaClassName>??Optional	InputFormat Java類
-outputformat?<JavaClassName>?Optional	OutputFormat Java類
-inputreader?<spec>? ??????????Optional	InputReader配置
-cmdenv???<n>=<v>??? ???????Optional	傳給mapper和reducer的環境變量
-mapdebug?<path>? ???????????Optional	mapper失敗時運行的debug程序
-reducedebug?<path>? ?????????Optional	reducer失敗時運行的debug程序
-verbose????????????????????? Optional	詳細輸出模式

?

?下面是對各個參數的詳細說明：

l?-input <path>：指定作業輸入，path可以是文件或者目錄，可以使用*通配符，-input選項可以使用多次指定多個文件或目錄作為輸入。

l?-output <path>：指定作業輸出目錄，path必須不存在，而且執行作業的用戶必須有創建該目錄的權限，-output只能使用一次。

l?-mapper：指定mapper可執行程序或Java類，必須指定且唯一。

l?-reducer：指定reducer可執行程序或Java類，必須指定且唯一。

l?-file, -cacheFile, -cacheArchive：分別用于向計算節點分發本地文件、HDFS文件和HDFS壓縮文件。

l?-numReduceTasks：指定reducer的個數，如果設置-numReduceTasks 0或者-reducer NONE則沒有reducer程序，mapper的輸出直接作為整個作業的輸出。

-jobconf | -D NAME=VALUE：指定作業參數，NAME是參數名，VALUE是參數值，可以指定的參數參考hadoop-default.xml。特別建議用-jobconf mapred.job.name='My Job Name'設置作業名，使用-jobconf mapred.job.priority=VERY_HIGH | HIGH | NORMAL | LOW | VERY_LOW設置作業優先級，使用-jobconf mapred.job.map.capacity=M設置同時最多運行M個map任務，使用-jobconf mapred.job.reduce.capacity=N設置同時最多運行N個reduce任務。

常見的作業配置參數如下表所示：?

mapred.job.name	作業名
mapred.job.priority	作業優先級
mapred.job.map.capacity	最多同時運行map任務數
mapred.job.reduce.capacity	最多同時運行reduce任務數
hadoop.job.ugi	作業執行權限
mapred.map.tasks	map任務個數
mapred.reduce.tasks	reduce任務個數
mapred.job.groups	作業可運行的計算節點分組
mapred.task.timeout	任務沒有響應（輸入輸出）的最大時間
mapred.compress.map.output	map的輸出是否壓縮
mapred.map.output.compression.codec	map的輸出壓縮方式
mapred.output.compress	reduce的輸出是否壓縮
mapred.output.compression.codec	reduce的輸出壓縮方式
stream.map.output.field.separator	map輸出分隔符

?l?-combiner：指定combiner Java類，對應的Java類文件打包成jar文件后用-file分發。

l?-partitioner：指定partitioner Java類，Streaming提供了一些實用的partitioner實現，參考KeyBasedFiledPartitoner和IntHashPartitioner。

l?-inputformat, -outputformat：指定inputformat和outputformat Java類，用于讀取輸入數據和寫入輸出數據，分別要實現InputFormat和OutputFormat接口。如果不指定，默認使用TextInputFormat和TextOutputFormat。

l?-cmdenv NAME=VALUE：給mapper和reducer程序傳遞額外的環境變量，NAME是變量名，VALUE是變量值。

l?-mapdebug, -reducedebug：分別指定mapper和reducer程序失敗時運行的debug程序。

l?-verbose：指定輸出詳細信息，例如分發哪些文件，實際作業配置參數值等，可以用于調試。

總結

以上是生活随笔為你收集整理的Hadoop Streaming框架使用（一）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。