在hadoop的一个流作业中使用多个映射器输入？

Question

在java中，我会使用：

MultipleInputs.addInputPath(conf, path, inputFormatClass, mapperClass)

使用不同的映射器添加多个输入。在

现在我用python在hadoop中编写一个流作业，类似的作业可以做吗？在

Answer 1

我想这可以帮助你：https://github.com/hyonaldo/hadoop-multiple-streaming。在

在这里您还可以看到“不同的映射器用于这些不同的输入路径”：

hadoop jar hadoop-multiple-streaming.jar \  
  -input    myInputDirs \  
  -multiple "outputDir1|mypackage.Mapper1|mypackage.Reducer1" \  
  -multiple "outputDir2|mapper2.sh|reducer2.sh" \  
  -multiple "outputDir3|mapper3.py|reducer3.py" \  
  -multiple "outputDir4|/bin/cat|/bin/wc" \  
  -libjars  "libDir/mypackage.jar" \
  -file     "libDir/mapper2.sh" \  
  -file     "libDir/mapper3.py" \  
  -file     "libDir/reducer2.sh" \  
  -file     "libDir/reducer3.py"

Answer 2

可以使用多个输入选项指定多个输入路径：

hadoop jar hadoop-streaming.jar -input foo.txt -input bar.txt ...