国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 服務器 > Web服務器 > 正文

Hadoop streaming詳細介紹

2024-09-01 13:51:05
字體:
供稿:網(wǎng)友

Hadoop streaming

Hadoop為MapReduce提供了不同的API,可以方便我們使用不同的編程語言來使用MapReduce框架,而不是只局限于Java。這里要介紹的就是Hadoop streaming API。Hadoop streaming 使用Unix的standard streams作為我們mapreduce程序和MapReduce框架之間的接口。所以你可以用任何語言來編寫MapReduce程序,只要該語言可以往standard input/output上進行讀寫。

streamming是天然適用于文字處理的(text processing),當然,也僅適用純文本的處理,對于需要對象和序列化的場景,hadoop streaming無能為力。它力圖使我們能夠快捷的通過各種腳本語言,快速的處理大量的文本文件。以下是steaming的一些特點:

  1. Map函數(shù)的輸入是通過stand input一行一行的接收數(shù)據(jù)的。(不像Java API,通過InputFormat類做預處理,使得Map函數(shù)的輸入是有Key和value的)
  2. Map函數(shù)的output則必須限定為key-value pair,key和value之間用/t分開。(MapReduce框架在處理intermediate的Map輸出時,必須做sort和partition,即shuffle)
  3. Reduce函數(shù)的input是Map函數(shù)的output也是key-value pair,key和value之間用/t分開。

常用的Streaming編程語言:

  1. bash shell
  2. ruby
  3. python

Ruby

下面是一個Ruby編寫的MapReduce程序的示例:

map

max_temperature_map.rb:

ruby #!/usr/bin/env ruby STDIN.each_line do |line| val = line year, temp, q = val[15,4], val[87,5], val[92,1] puts "#{year}/t#{temp}" if (temp != "+9999" && q =~ /[01459]/) end 
  • 從標準輸入讀入一行data。
  • 處理數(shù)據(jù)之后,生成一個鍵值對,用/t分隔,輸出到標準輸出

reduce

max_temperature_reduce.rb:

ruby #!/usr/bin/env ruby last_key, max_val = nil, -1000000 STDIN.each_line do |line| key, val = line.split("/t") if last_key && last_key != key puts "#{last_key}/t#{max_val}" last_key, max_val = key, val.to_i else last_key, max_val = key, [max_val, val.to_i].max end end puts "#{last_key}/t#{max_val}" if last_key 
  1. 從標準輸入讀入一行數(shù)據(jù)
  2. 數(shù)據(jù)是用/t分隔的鍵值對
  3. 數(shù)據(jù)是被MapReduce根據(jù)key排序之后順序一行一行讀入
  4. reduce函數(shù)對數(shù)據(jù)進行處理,并輸出,輸出仍是用/t分隔的鍵值對

運行

% hadoop jar $HADOOP_INSTALL/contrib/streaming/hadoop-*-streaming.jar /-input input/ncdc/sample.txt /-output output /-mapper ch02/src/main/ruby/max_temperature_map.rb /-reducer ch02/src/main/ruby/max_temperature_reduce.rb
  1. hadoop jar $HADOOP_INSTALL/contrib/streaming/hadoop-*-streaming.jar指明了使用hadoop streaming
  2. hadoop-*-streaming.jar會將input里的文件,一行一行的輸出到標準輸出。
  3. 用-mapper指定Map函數(shù)。類似于通過管道將數(shù)據(jù)傳給rb文件: data|ch02/src/main/ruby/max_temperature_map.rb
  4. -reducer指定Reduce函數(shù)。

Python

Map

#!/usr/bin/env pythonimport reimport sysfor line in sys.stdin:val = line.strip()(year, temp, q) = (val[15:19], val[87:92], val[92:93])if (temp != "+9999" and re.match("[01459]", q)):print "%s/t%s" % (year, temp)

Reduce

#!/usr/bin/env pythonimport sys(last_key, max_val) = (None, -sys.maxint)for line in sys.stdin:(key, val) = line.strip().split("/t")if last_key and last_key != key:print "%s/t%s" % (last_key, max_val)(last_key, max_val) = (key, int(val))else:(last_key, max_val) = (key, max(max_val, int(val)))if last_key:print "%s/t%s" % (last_key, max_val)

運行

% hadoop jar $HADOOP_INSTALL/contrib/streaming/hadoop-*-streaming.jar /-input input/ncdc/sample.txt /-output output /-mapper ch02/src/main/ruby/max_temperature_map.py/-reducer ch02/src/main/ruby/max_temperature_reduce.py

Bash shell

Map

#!/usr/bin/env bash# NLineInputFormat gives a single line: key is offset, value is S3 URIread offset s3file# Retrieve file from S3 to local diskecho "reporter:status:Retrieving $s3file" >&2$HADOOP_INSTALL/bin/hadoop fs -get $s3file .# Un-bzip and un-tar the local filetarget=`basename $s3file .tar.bz2`mkdir -p $targetecho "reporter:status:Un-tarring $s3file to $target" >&2tar jxf `basename $s3file` -C $target# Un-gzip each station file and concat into one fileecho "reporter:status:Un-gzipping $target" >&2for file in $target/*/*dogunzip -c $file >> $target.allecho "reporter:status:Processed $file" >&2done# Put gzipped version into HDFSecho "reporter:status:Gzipping $target and putting in HDFS" >&2gzip -c $target.all | $HADOOP_INSTALL/bin/hadoop fs -put - gz/$target.gz

運行

% hadoop jar $HADOOP_INSTALL/contrib/streaming/hadoop-*-streaming.jar /-D mapred.reduce.tasks=0 /-D mapred.map.tasks.speculative.execution=false /-D mapred.task.timeout=12000000 /-input ncdc_files.txt /-inputformat org.apache.hadoop.mapred.lib.NLineInputFormat /-output output /-mapper load_ncdc_map.sh /-file load_ncdc_map.sh
  1. 這里的-D mapred.reduce.tasks=0將reduce task觀掉,因此也不需要設置-reducer
  2. 只使用Mapper,可以通過MapReduce幫助我們并行的完成一些平時只能串行的shell腳本
  3. 注意這里的-file,在集群模式下,需要并行運行時,需要-file把文件傳輸?shù)狡渌?jié)點

Combiner

在streaming模式下,仍然可以運行Combiner,兩種方法:

  1. 通過Java編寫一個combiner的函數(shù),并使用-combiner option
  2. 以命令行的管道模式完成combiner的任務

這里具體解釋第二種方法:

% hadoop jar $HADOOP_INSTALL/contrib/streaming/hadoop-*-streaming.jar /-input input/ncdc/all /-output output /-mapper "ch02/src/main/ruby/max_temperature_map.rb | sort |ch02/src/main/ruby/max_temperature_reduce.rb" /-reducer ch02/src/main/ruby/max_temperature_reduce.rb /-file ch02/src/main/ruby/max_temperature_map.rb /-file ch02/src/main/ruby/max_temperature_reduce.rb

注意看-mapper這一行,通關管道的方式,把mapper的臨時輸出文件(intermediate file,Map完成后的臨時文件)作為輸入,送到sort進行排序,然后送到reduce腳本,來完成類似于combiner的工作。這時候的輸出才真正的作為shuffle的輸入,被分組并在網(wǎng)絡上發(fā)送到Reduce

感謝閱讀,希望能幫助到大家,謝謝大家對本站的支持!


發(fā)表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發(fā)表
主站蜘蛛池模板: 呈贡县| 南漳县| 永修县| 扎鲁特旗| 祁门县| 定兴县| 隆回县| 铜川市| 西宁市| 星子县| 潜山县| 高雄市| 京山县| 广丰县| 张家口市| 茌平县| 砚山县| 志丹县| 宁城县| 栖霞市| 鹤峰县| 南平市| 娄底市| 光泽县| 勃利县| 台中市| 洛扎县| 磐安县| 汽车| 西充县| 吴川市| 桂平市| 永城市| 克什克腾旗| 珲春市| 青田县| 斗六市| 滕州市| 胶州市| 山阴县| 武胜县|