使得任何支持标准IO (stdin, stdout)的可执行程序都能成为hadoop的mapper或者 reducer。例如：复制代码代码如下:hadoop jar hadoop-streaming.jar -input SOME_INPUT_DIR_OR_FILE -output SOME_OUTPUT_DIR -mapper /bin/cat -reducer /usr/bin/wc在这个例子里，就使用了Unix/Linux自带的cat和wc工具来作为mapper / reducer，是不是很神奇？
如果你习惯了使用一些动态语言，用动态语言来写mapreduce吧，跟之前的编程没有任何不同，hadoop只是运行它的一个框架，下面我演示一下用PHP来实现Word Counter的mapreduce。
一、找到Streaming jar
Hadoop根目录下是没有hadoop-streaming.jar的，因为streaming是一个contrib，所以要去contrib下面找，以hadoop-0.20.2为例，它在这里：复制代码代码如下:$HADOOP_HOME/contrib/streaming/hadoop-0.20.2-streaming.jar
二、写Mapper
新建一个wc_mapper.
php
，写入如下代码：
复制代码代码如下:#!/usr/bin/php php
hello 1 world 1″这样的形式输出出来。
和之前写的PHP基本没有什么不同，对吧，可能稍微让你感到陌生有两个地方：PHP作为可执行程序第一行的“#!/usr/bin/php”告诉linux，要用/usr/bin/php这个程序作为以下代码的解释器。写过linux shell的人应该很熟悉这种写法了，每个shell脚本的第一行都是这样: #!/bin/bash, #!/usr/bin/python有了这一行，保存好这个文件以后，就可以像这样直接把wc_mapper.php当作cat, grep一样的命令执行了：./wc_mapper.php使用stdin接收输入PHP支持多种参数传入的方法，大家最熟悉的应该是从$_GET, $_POST超全局变量里面取通过Web传递的参数，次之是从$_SERVER['argv']里取通过命令行传入的参数，这里，采用的是标准输入stdin
它的使用效果是：
在linux控制台输入 ./wc_mapper.php wc_mapper.php运行，控制台进入等候用户键盘输入状态用户通过键盘输入文本用户按下Ctrl + D终止输入，wc_mapper.php开始执行真正的业务逻辑，并将执行结果输出那么stdout在哪呢？print本身已经就是stdout啦，跟我们以前写web程序和CLI脚本没有任何不同。
三、写Reducer
PHP 8.5.5 PHP 8.5.5 是 PHP 8.5 分支的维护更新版本。该版本延续了“小步快跑”的迭代逻辑，通过深度错误修复、底层性能微调以及安全加固，旨在为开发者提供一个更健壮、更高效的运行环境。该版本严格遵守语义化版本规范，不包含破坏性变更。
下载新建一个wc_reducer.php，写入如下代码：复制代码代码如下:#!/usr/bin/php php
hello 2 world 1″这样的形式输出。
四、用Hadoop来运行
上传要统计的示例文本复制代码代码如下:hadoop fs -put *.TXT /tmp/input以Streaming方式执行PHP mapreduce程序复制代码代码如下:hadoop jar hadoop-0.20.2-streaming.jar -input /tmp/input -output /tmp/output -mapper wc_mapper.php的绝对路径 -reducer wc_reducer.php的绝对路径
注意：
input和output目录是在hdfs上的路径mapper和reducer是在本地机器的路径，一定要写绝对路径，不要写相对路径，以免到时候hadoop报错说找不到mapreduce程序。
查看结果复制代码代码如下:hadoop fs -cat /tmp/output/part-00000
五、shell版的Hadoop MapReduce程序
复制代码代码如下:#!/bin/bash -# 加载配置文件source './config.sh'# 处理命令行参数while getopts "d:" arg do case $arg in d) date=$OPTARG?) echo "unkonw argument"exit 1 esac done# 默认处理日期为昨天default_date=`date -v-1d +%Y-%m-%d`# 最终处理日期. 如果日期格式不对, 则退出执行date=${date:-${default_date}}if ! [[ "$date" =~ [12][0-9]{3}-(0[1-9]|1[12])-(0[1-9]|[12][0-9]|3[01]) ]]then echo "invalid date(yyyy-mm-dd): $date"exit 1 fi# 待处理文件log_files=$(${hadoop_home}bin/hadoop fs -ls ${log_file_dir_in_hdfs} | awk '{print $8}' | grep $date)# 如果待处理文件数目为零, 则退出执行log_files_amount=$(($(echo $log_files | wc -l) + 0)) if [ $log_files_amount -lt 1 ]then echo "no log files found"exit 0 fi# 输入文件列表for f in $log_files do input_files_list="${input_files_list} $f"done function map_reduce () {if ${hadoop_home}bin/hadoop jar ${streaming_jar_path} -input${input_files_list} -output ${mapreduce_output_dir}${date}/${1}/ -mapper "${mapper} ${1}" -reducer "${reducer}" -file "${mapper}"then echo "streaming job done!"else exit 1 fi}# 循环处理每一个bucket for bucket in ${bucket_list[@]}do map_reduce $bucket done http://www.bkjia.com/PHPjc/754798.html www.bkjia.com true http://www.bkjia.com/PHPjc/754798.html TechArticle使得任何支持标准IO (stdin, stdout)的可执行程序都能成为hadoop的mapper或者 reducer。例如： 复制代码 代码如下: hadoop jar hadoop-streaming.jar -input...