Hadoop Streaming 实战： 输出文件分割

我们知道，Hadoop streaming框架默认情况下会以'/t’作为分隔符，将每行第一个'/t’之前的部分作为key，其余内容作为value，如果没有'/t’分隔符，则整行作为key；这个key/tvalue对又作为reduce的输入。hadoop 提供配置供用户自主设置分隔符。
-D stream.map.output.field.separator ：设置map输出中key和value的分隔符
-D stream.num.map.output.key.fields ： 设置map程序分隔符的位置，该位置之前的部分作为key，之后的部分作为value
-D stream.reduce.output.field.separator：设置reduce输出中key和value的分隔符
-D stream.num.reduce.output.key.fields：设置reduce程序分隔符的位置

实例(map输出配置)：
1. 编写map程序mapper.sh；reduce程序reducer.sh; 测试数据test.txt

mapper.sh: #!/bin/sh cat reducer.sh: #!/bin/sh sort test.txt内容： 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. test.txt放入hadoop，两种方式运行
1）无分隔符设置运行

$ hadoop fs -put test.txt /app/test/ $ 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.reduce.tasks=2 / -jobconf mapre.job.name="sep_test" $ hadoop fs –cat /app/test/test_result/part-00000 1,2,2,1,1 1,3,1,1,1 1,3,1,1,1 1,3,3,1,1 1,3,3,1,1 $ hadoop fs –cat /app/test/test_result/part-00001 1,2,1,1,1 1,2,3,1,1 1,3,2,1,1 1,3,2,1,1

2）设置分隔符运行

$ hadoop streaming -D stream.reduce.output.field.separator=, -D stream.num.reduce.output.key.fields=2 -input /app/test/test.txt -output /app/test/test_result_1 -mapper ./mapper.sh -reducer ./reducer.sh -file mapper.sh -file reducer.sh -jobconf mapred.reduce.tasks=2 -jobconf mapre.job.name="sep_test" $ hadoop fs -cat /app/test/test_result_1/part-00000 1,2 1,1,1 1,2 2,1,1 1,2 3,1,1 $ hadoop fs -cat /app/test/test_result_1/part-00001 1,3 1,1,1 1,3 1,1,1 1,3 2,1,1 1,3 2,1,1 1,3 3,1,1 1,3 3,1,1