Hadoop Streaming命令

1 Streaming命令

使用下面的命令运行Streaming MapReduce程序：

$HADOOP_HOME/bin/hadoop streaming args

其中args是streaming参数，下面是参数列表：

-input <path>	输入数据路径
-output <path>	输出数据路径
-mapper <cmd|JavaClassName>	mapper可执行程序或Java类
-reducer <cmd|JavaClassName>	reducer可执行程序或Java类
-file <file> Optional	分发本地文件
-cacheFile <file> Optional	分发HDFS文件
-cacheArchive <file> Optional	分发HDFS压缩文件
-numReduceTasks <num> Optional	reduce任务个数
-jobconf | -D NAME=VALUE Optional	作业配置参数
-combiner <JavaClassName> Optional	Combiner Java类
-partitioner <JavaClassName> Optional	Partitioner Java类
-inputformat <JavaClassName> Optional	InputFormat Java类
-outputformat <JavaClassName> Optional	OutputFormat Java类
-inputreader <spec> Optional	InputReader配置
-cmdenv <n>=<v> Optional	传给mapper和reducer的环境变量
-mapdebug <path> Optional	mapper失败时运行的debug程序
-reducedebug <path> Optional	reducer失败时运行的debug程序
-verbose Optional	详细输出模式

2 命令参数详解

下面是对各个参数的详细说明：

-input <path>：指定作业输入，path可以是文件或者目录，可以使用*通配符，-input选项可以使用多次指定多个文件或目录作为输入。

-output <path>：指定作业输出目录，path必须不存在，而且执行作业的用户必须有创建该目录的权限，-output只能使用一次。

-mapper：指定mapper可执行程序或Java类，必须指定且唯一。

-reducer：指定reducer可执行程序或Java类，必须指定且唯一。

-file, -cacheFile, -cacheArchive：分别用于向计算节点分发本地文件、HDFS文件和HDFS压缩文件

-numReduceTasks：指定reducer的个数，如果设置-numReduceTasks 0或者-reducer NONE则没有reducer程序，mapper的输出直接作为整个作业的输出。

-jobconf | -D NAME=VALUE：指定作业参数，NAME是参数名，VALUE是参数值，可以指定的参数参考hadoop-default.xml。特别建议用-jobconf mapred.job.name=’My Job Name’设置作业名，使用-jobconf mapred.job.priority=VERY_HIGH | HIGH | NORMAL | LOW | VERY_LOW设置作业优先级，使用-jobconf mapred.job.map.capacity=M设置同时最多运行M个map任务，使用-jobconf mapred.job.reduce.capacity=N设置同时最多运行N个reduce任务。常见的作业配置参数如下表所示：

mapred.job.name	作业名
mapred.job.priority	作业优先级
mapred.job.map.capacity	最多同时运行map任务数
mapred.job.reduce.capacity	最多同时运行reduce任务数
hadoop.job.ugi	作业执行权限
mapred.map.tasks	map任务个数
mapred.reduce.tasks	reduce任务个数
mapred.job.groups	作业可运行的计算节点分组
mapred.task.timeout	任务没有响应（输入输出）的最大时间
mapred.compress.map.output	map的输出是否压缩
mapred.map.output.compression.codec	map的输出压缩方式
mapred.output.compress	reduce的输出是否压缩
mapred.output.compression.codec	reduce的输出压缩方式
stream.map.output.field.separator	map输出分隔符

-combiner：指定combiner Java类，对应的Java类文件打包成jar文件后用-file分发。

-partitioner：指定partitioner Java类，Streaming提供了一些实用的partitioner实现

-inputformat, -outputformat：指定inputformat和outputformat Java类，用于读取输入数据和写入输出数据，分别要实现InputFormat和OutputFormat接口。如果不指定，默认使用TextInputFormat和TextOutputFormat。

-cmdenv NAME=VALUE：给mapper和reducer程序传递额外的环境变量，NAME是变量名，VALUE是变量值。

-mapdebug, -reducedebug：分别指定mapper和reducer程序失败时运行的debug程序。

-verbose：指定输出详细信息，例如分发哪些文件，实际作业配置参数值等，可以用于调试。

注意事项

1) mapper或reducer程序尽量输出一些重要的错误日志到标准错误，不要写本地文件，因为程序执行完以后本地文件就会被删除，但是输出到标准错误的日志会被保存，有利于出现问题定位程序问题。但是量不要太大，否则会影响性能。

2) 注意mapper和reducer程序的返回值，Streaming框架默认认为程序返回值为0时用户程序正常，非0时用户程序异常从而导致任务失败，多次任务失败导致作业失败。

3) mapper或reducer程序在遇到从标准输入读到EOF，读标准输入异常，pipe broken异常，写标准输出异常，写标准错误异常时，应该主动退出。

4) mapper或reducer程序可以在当前目录下创建临时文件进行读写，但是不允许向它的上层目录，或者在cacheArchive解压后的目录中创建或写文件。

5) zip压缩包中不能有中文字符的文件名，否则Java解压会出现异常。

如果使用新版本命令格式，命令行中参数要先指定genericOptions如-D，然后指定commandOptions如-mapper

3 nohup 命令

用途：不挂断地运行命令。

语法：nohup Command [ Arg … ] [　& ]

描述：nohup 命令运行由 Command 参数和任何相关的 Arg 参数指定的命令，忽略所有挂断（SIGHUP）信号。在注销后使用 nohup 命令运行后台中的程序。要运行后台中的 nohup 命令，添加 & （ 表示”and”的符号）到命令的尾部。

无论是否将 nohup 命令的输出重定向到终端，输出都将附加到当前目录的 nohup.out 文件中。如果当前目录的 nohup.out 文件不可写，输出重定向到 $HOME/nohup.out 文件中。如果没有文件能创建或打开以用于追加，那么 Command 参数指定的命令不可调用。如果标准错误是一个终端，那么把指定的命令写给标准错误的所有输出作为标准输出重定向到相同的文件描述符。

退出状态：该命令返回下列出口值：

如果使用nohup命令提交作业，那么在缺省情况下该作业的所有输出都被重定向到一个名为nohup.out的文件中，除非另外指定了输出文件：

nohup command > myout.file 2>&1 &

由于同事运行的脚本程序老是在断开终端的时候挂了。即使加了 & 符号也会挂了，不知道什么原因，后面加了个nohup command & 好像就没有问题了。。。