如何在python中为Hadoop Map Reduce作业编写组合器和分区器？我如何在Hadoop Job中调用它

Question

如何在python中编写组合器和分区器作业并使用Hadoop Streaming调用它。

Answer 1

请看看Pydoop。我没有探讨过这个，但根据文档，

Pydoop Script使您可以在几行代码中使用mapper和reducer函数为Had​​oop编写简单的MapReduce程序。当Pydoop Script不够用时，您可以切换到更完整的Pydoop API，它提供了实现Python Partitioner，RecordReader和RecordWriter的能力。 Pydoop可能不是所有Hadoop用例的最佳API，但其独特的功能使其适用于特定场景，并且正在积极改进。

Here是基于Python的hadoop组合器的SO问题。

附加参考

Reference Link

GitHub Link

另外this link详细介绍了各种其他可用的hadoop-python框架。

Answer 2

你可以使用Yelp的MRJob。它很简单，并且有很好的文档，而且我自己也使用它 - 使用与hadoop的Java库相同的接口。是的，它使用的是hadoop流媒体 - 性能可能就是这样。但是，遗憾的是，您仍然需要在Java上编写分区程序。