Hadoop入门教程：基于Pipes实现作业提交

Hadoop入门教程：基于Pipes实现作业提交，在提交Hadoop Pipes作业之前首先需要将编译好的Pipes可执行程序上传到HDFS上。例如，我们将编译好的词频统计程序wordcount-simple上传到HDFS上的/user/nuoline/wordcount/bin目录下，如果wordcount-simple可执行程序就在当前目录下，则使用以下命令：

Hadoop fs -put wordcount-simple /user/nuoline/wordcount/bin

然后使用Hadoop Pipes命令提交作业到Hadoop集群，提交命令如下：

Hadoop pipes \

-D Hadoop.pipes.Java.recordreader=true \

-D Hadoop.pipes.Java.recordwriter=true \

-D MapRed.job.name= wordcount \

-input /user/nuoline/wordcount/test_input \

-output /user/nuoline/wordcount /test_output \

-program /user/nuoline/wordcount/bin/wordcount-simple

Hadoop Pipes命令的参数说明，如表2-2所示。

当然，如果用户需要自定义的Hadoop参数很多，还可以直接写成xml格式的配置文件，然后通过conf参数选项进行指定。例如可以在本地当前目录下建立一个wordcount_conf.xml文件，在此文件中指定相关Hadoop参数，执行代码如下：

<?xml version="1.0"?>

<conf?iguration>

  <property>

    // Set the binary path on HDFS

    <name>Hadoop.pipes.executable</name>

    <value>/user/nuoline/wordcount/bin/wordcount-simple</value>

  </property>

  <property>

    <name>Hadoop.pipes.Java.recordreader</name>

    <value>true</value>

  </property>

  <property>

    <name>Hadoop.pipes.Java.recordwriter</name>

    <value>true</value>

  </property>

</conf?iguration>

然后通过Pipes命令的conf参数指定这个配置文件一起提交作业，执行命令如下：

Hadoop pipes \

-conf /wordcount_conf.xml

-input /user/nuoline/wordcount/test_input

-output /user/nuoline/wordcount /test_output