hadoop -映射在多集群上的约简

Question

我已经配置了Hadoop集群。使用以下代码运行mapreduce程序时，im有两台机器MA和MB

 hadoop  jar /HDP/hadoop-1.2.0.1.3.0.0-0380/contrib/streaming/hadoop-streaming-1.2.0.1.3.0.0-0380.jar  -mapper "python C:\Python33\mapper.py"  -reducer "python C:\Python33\redu.py"  -input "/user/XXXX/input/input.txt"  -output "/user/XXXX/output/out20131112_09"

其中: mapper - C:\Python33\mapper.py和减速器C:\Python33\redu.py在MB的本地磁盘中

更新

​

最后，我找到了错误。

MA-错误日志

stderr logs
python: can't open file 'C:\Python33\mapper.py': [Errno 2] No such file or directory
java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code 2

映射器- C:\Python33\mapper.py和还原剂C:\Python33\redu.py在MA的本地磁盘中，而不是在MB中。

现在，我是否需要将我的m/r程序复制到MA，或者如何解决这个问题？

Mapper

import sys
for line in sys.stdin:
   line = line.strip()
   keys = line.split()
   for key in keys:
       value = 1
       print( '%s \t %d' % (key, value))

Answer 1

如果映射输入文件小于dfs.block.size，那么每个作业只运行一个任务。对于较小的输入，可以强制Hadoop以字节为单位运行多个任务( mapred.max.split.size值小于dfs.block.size )。