常用参数
多路输入:
在hadoop streaming 参数设置时候使用多个-input
参数来定义多个输入路径。
mapper处理时,可以根据输入列数来处理,比如:
for line in sys.stdin:
line = line.strip()
if not line:
continue
items = line.split('\t')
if len(items) == 2:
# 输入路径1
pass
elif len(items) == 3:
# 输入路径2
pass
else:
# 不符合预期的输入数据
continue
多路输出:
hadoop streaming 支持多路输出,每个reducer可以将数据输出到part-xxxxx-[A-Z]
为了多路输出,需要:
0.与多路输入不同,只设定一个-output
,不同类型的输出以part尾缀区分;
1.设定hadoop参数:
-outputformat org.apache.hadoop.mapred.lib.SuffixMultipleSequenceFileOutputFormat
2.输出的数据需要在最后加上#[A-Z]
比如:
key1 value1#A
key2 value2#B
key3 value3#A
key4 value4#B
这样kv1和kv3会输出到part-xxxxx-A中;kv2和kv4会输出到part-xxxxx-B中,最后输出的数据中已经自动去掉了分类标签#[A-Z]
动态调整
调整mapper数:
bin/hadoop job -set-map-capacity job_id 1000
调整reducer数:
bin/hadoop job -set-reduce-capacity job_id 1000
调整优先级:
bin/hadoop job -set-priority job_id VERY_HIGH