hadoop

一.Hadoop Streaming用法

Usage: $HADOOP_HOME/bin/hadoop jar \

$HADOOP_HOME/contrib/streaming/hadoop-*-streaming.jar [options]

options：

（1）-input：输入文件路径

（2）-output：输出文件路径

（3）-mapper：用户自己写的mapper程序，可以是可执行文件或者脚本

（4）-reducer：用户自己写的reducer程序，可以是可执行文件或者脚本

（5）-file：打包文件到提交的作业中，可以是mapper或者reducer要用的输入文件，如配置文件，字典等。

（6）-partitioner：用户自定义的partitioner程序

          （7）-combiner：用户自定义的combiner程序（必须用java实现）

1.-D开头的都在前面

2.mapreduce中加载json模块需要python26指令

3.input中可以是文件也可以是目录

4.多文件输出

     将结果分成多个文件输出，在streaming中：

     -Dsuffix.multiple.outputformat.filesuffix=new,old \这里可自定义更改

     -Dsuffix.multiple.outputformat.separator="#" \

     -outputformat org.apache.hadoop.mapred.lib.SuffixMultipleTextOutputFormat \

     reducer里写：print“hello #old”，结果会打到文件old-r-000*

     如果输出没有\t 在后面手动加一个\t

二.hadoop查找和停止任务

1. hadoop job -list|grep hadoop_jobname

job_201706211123_1464501        1       1498015434934   hdp-map NORMAL  default hdp-map i-yanxinrui_probe16_from_hive

2.hadoop job -kill  job_201706211123_1464501

三.hadoop fs 命令

hadoop fs -cat URI [URI …]    将路径指定文件的内容输出到 stdout 。可以是多个文件

hadoop fs -text <src>    将源文件输出为文本格式。允许的格式是zip和TextRecordInputStream。

hadoop fs -tail [-f] URI   将文件尾部1K字节的内容输出到stdout。支持-f选项，行为和Unix中一致。

hadoop fs -get [-ignorecrc] [-crc] <src> <localdst>    复制文件到本地文件系统

hadoop fs -put <localsrc> ... <dst>    从本地文件系统中复制单个或多个源路径到目标文件系统。也支持从标准输入中读取输入写入目标文件系统。

hadoop fs -cp URI [URI …] <dest>  将文件从源路径复制到目标路径（都在hdfs上）。这个命令允许有多个源路径，此时目标路径必须是一个目录。

hadoop fs -mv URI [URI …] <dest> 将文件从源路径移动到目标路径。这个命令允许有多个源路径，此时目标路径必须是一个目录。不允许在不同的文件系统间移动文件。

hadoop fs -du URI [URI …]      显示目录中所有文件的大小，或者当只指定一个文件时，显示此文件的大小

hadoop fs -ls <args>     如果是文件，则按照如下格式返回文件信息： 文件名 <副本数> 文件大小 修改日期 修改时间 权限 用户ID 组ID  

                                                    如果是目录，则返回它直接子文件的一个列表，就像在Unix中一样。目录返回列表的信息如下  目录名 <dir> 修改日期 修改时间 权限 用户ID 组ID  

hadoop fs -rmr URI [URI …]      递归  删除指定的文件

hadoop fs -test -[ezd] URI      选项： -e 检查文件是否存在。如果存在则返回0。 -z 检查文件是否是0字节。如果是则返回0。   -d 如果路径是个目录，则返回1，否则返回0。

hadoop fs -count -q /home/hdp-map   会打印出集群信息

python 对group不太兼容，可以换成python2.6