hadoop - 多个集群上的Map reduce

Question

我已经配置了Hadoop集群。 我有两台机器MA和MB当我使用以下代码运行mapreduce程序

 hadoop  jar /HDP/hadoop-1.2.0.1.3.0.0-0380/contrib/streaming/hadoop-streaming-1.2.0.1.3.0.0-0380.jar  -mapper "python C:\Python33\mapper.py"  -reducer "python C:\Python33\redu.py"  -input "/user/XXXX/input/input.txt"  -output "/user/XXXX/output/out20131112_09"

其中：mapper - C：\\ Python33 \\ mapper.py和reducer C：\\ Python33 \\ redu.py在MB的本地磁盘中

UPDATE

最后，我已经找到了错误。

MA-错误日志

stderr logs
python: can't open file 'C:\Python33\mapper.py': [Errno 2] No such file or directory
java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code 2

mapper - C：\\ Python33 \\ mapper.py和reducer C：\\ Python33 \\ redu.py在MA的本地磁盘中 ，它不是MB

现在，我需要将我的m / r程序复制到MA，或者我该如何解决这个问题

映射器

import sys
for line in sys.stdin:
   line = line.strip()
   keys = line.split()
   for key in keys:
       value = 1
       print( '%s \t %d' % (key, value))

Answer 1

如果映射输入文件小于dfs.block.size则每个作业运行时最终只有一个任务。 对于小输入，您可以强制Hadoop以mapred.max.split.size值（小于dfs.block.size运行多个任务。