Hadoop Streaming 实战: 传递环境变量

转载 2012年03月26日 13:39:04

环境变量可以理解程序运行的系统环境,用户可以对自己的运行环境进行定制,其方法就是修改相应的系统环境变量。 
       用JAVA实现的Map-Reduce程序可以通过Hadoop提供的编程接口访问作业的配置信息,而streaming程序不能使用JAVA编程接口,因此,streaming框架通过设置环境变量的方式给mapper、reducer程序传递配置信息。常用的环境变量如下:

HADOOP_HOME

计算节点上配置的Hadoop路径

LD_LIBRARY_PATH

计算节点上加载库文件的路径列表

PWD

当前工作目录

dfs_block_size

当前设置的HDFS文件块大小

map_input_file

mapper正在处理的输入文件路径

mapred_job_id

作业ID

mapred_job_name

作业名

mapred_tip_id

当前任务的第几次重试

mapred_task_id

任务ID

mapred_task_is_map

当前任务是否为map

mapred_output_dir

计算输出路径

mapred_map_tasks

计算的map任务数

mapred_reduce_tasks

计算的reduce任务数

示例: 
1).编写map程序mapper.sh;reduce程序reducer.sh; 测试数据test.txt 
mapper.sh:
#以下为环境变量
TASK_ID=$mapred_task_id
PDW=$PWD
BLOCK_SIZE=$dfs_block_size
 
#环境变量附着到输入数据并输出
while read line
do
echo "$TASK_ID $PDW $BLOCK_SIZE $line"
done
 
reducer.sh:
#!/bin/sh
 
while read line
do
echo $line
done
 
test.txt:
1,2,1,1,1
1,2,2,1,1
1,3,1,1,1
1,3,2,1,1
1,3,3,1,1
1,2,3,1,1
1,3,1,1,1
1,3,2,1,1
1,3,3,1,1

2) 运行并观察输出 
$hadoop streaming
-input /app/test/test.txt /
-output /app/test/test_result /
-mapper ./mapper.sh -reducer ./reducer.sh /
-file mapper.sh -file reducer.sh /
-jobconf mapred.map.tasks=10 -jobconf mapred.reduce.tasks=1 /
-jobconf mapred.job.name="envi_test"
 
$hadoop fs -cat /app/test/test_result/part-00000
/home/disk5/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000000_0/work 268435456 1,2,1,1,1
/home/disk3/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000001_0/work 268435456 1,2,2,1,1
/home/disk9/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000002_0/work 268435456 1,3,1,1,1
/home/disk9/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000003_0/work 268435456 1,3,2,1,1
/home/disk10/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000004_0/work 268435456 1,3,3,1,1
/home/disk9/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000005_0/work 268435456 1,2,3,1,1
/home/disk4/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000006_0/work 268435456 1,3,1,1,1
/home/disk2/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000007_0/work 268435456 1,3,2,1,1
/home/disk3/mapred/taskTracker/jobcache/job_201104221932_88161/attempt_201104221932_88161_m_000008_0/work 268435456 1,3,3,1,1

Hadoop Streaming 实战: 多路输出

streaming把reduce的输出作为一个任务的最终输出,输出文件形如:        part-00000、part-00001……        文件个数为reduce任务个数  但...

hadoop streaming 按字段排序与输出分割详解

hadoop streaming 按字段排序与输出分割详解

Hadoop Streaming 实战: 传递环境变量

       环境变量可以理解程序运行的系统环境,用户可以对自己的运行环境进行定制,其方法就是修改相应的系统环境变量。        用JAVA实现的Map-Reduce程序可以通过Had...
  • yfkiss
  • yfkiss
  • 2011年05月16日 09:28
  • 5348

hadoop 安装环境变量配置检测

Hadoop由GNU/Linux平台支持(建议)。因此,需要安装一个Linux操作系统并设置Hadoop环境。如果有Linux操作系统等,可以把它安装在VirtualBox(要具备在 VirtualB...

hadoop map reduce 过程获取环境变量

hadoop任务执行过程中,在每一个map节点或者reduce节点能获取一下环境变量,利用这些变量可以为特殊的需求服务,例如:获取当前map节点处理的数据文件的路径。 hadoop是java...
  • lmc_wy
  • lmc_wy
  • 2012年07月24日 12:54
  • 3573

Hadoop map reduce 过程获取环境变量

Hadoop map reduce 过程获取环境变量 Hadoop任务执行过程中,在每一个map节点或者reduce节点能获取一下环境变量,利用这些变量可以为特殊的需求服务,例如:获...

完整配置hadoop的环境变量

修改hadoop解压文件名称 :  mv hadoop-2.4.1 hadoop 将hadoop安装目录的权限赋值为hadoop用户: chown -R hadoop:hadoop hadoop...

hadoop之配置JDK和MAVEN环境变量

下载下载jdk-8u151-linux-x64.tar.gz, 下载apache-maven-3.3.9-bin.tar.gz解压解压到/usr/local/software, software目录...

Gradle 实战(1)—— 配置环境变量

背景:Gradle 是一款构建工具,继 Ant 、Maven 之后的现代构建工具,我会在接下来的博文中陆续介绍,我在工作中是如何使用 Gradle 的。下载 Gradle下面是 Gradle 的官方网...
  • lw_power
  • lw_power
  • 2016年04月25日 11:52
  • 20332
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:Hadoop Streaming 实战: 传递环境变量
举报原因:
原因补充:

(最多只允许输入30个字)