个人感觉Dumbo确实个好东西,可以很方便的用python写出map/reduce代码,可以方便的在单机上测试通过后再放到hadoop上跑,小白利器啊
各种参数配置传送门,这个很重要哦
https://github.com/klbostee/dumbo/wiki/Running-programs
今天用了这个参数
-preoutputs yes (don’t delete intermediate output results – can be useful for debugging when running multiple map/red iterations)
就是在多次迭代map/reduce时不删除之前计算的中间结果,默认是会删除的
但在dumbo start 中直接加这个参数是会报错的,提示找不到这个参数
但我们可以在additer或run 函数中来指定这个参数,参考:http://dumbotics.com/2009/05/13/the-opt-decorator/
opts = [("preoutputs","yes")]
job.additer(Mapper_init,opts = opts)
是不是很强大!