Hadoop流在map / reduce操作中崩溃

Question

我在单个节点上使用hadoop 1.0.1，我正在尝试使用python 2.7流式传输制表符分隔文件。 我可以使用hadoop / python来运行Michael Noll的字数脚本，但是不能让这个非常简单的mapper和reducer工作，只是重复文件。 这是映射器：

import sys

for line in sys.stdin:
    line = line.strip()
    print '%s' % line

这是减速器：

import sys

for line in sys.stdin:
    line = line.strip()
    print line

这是输入文件的一部分：

1   857774.000000
2   859164.000000
3   859350.000000
...

mapper和reducer在linux中运行良好：

cat input.txt | python mapper.py | sort | python reducer.py > a.out

但是在我chmod mapper和reducer之后，将输入文件移动到hdfs并检查它是否存在并运行：

bin/hadoop jar contrib/streaming/hadoop-*streaming*.jar -file mapperSimple.py -mapper mapperSimple.py -file reducerSimple.py -reducer reducerSimple.py -input inputDir/* -output outputDir

我收到以下错误：

12/06/03 10:19:11 INFO streaming.StreamJob:  map 0%  reduce 0%
12/06/03 10:20:15 ERROR streaming.StreamJob: Job not successful. Error: # of failed Map Tasks exceeded allowed limit. FailedCount: 1. LastFailedTask: task_201206030550_0003_m_000001
12/06/03 10:20:15 INFO streaming.StreamJob: killJob...
Streaming Job Failed!

有任何想法吗？ 谢谢。

Answer 1

你的python文件有shebang / hashbang标头吗？ 我想你的问题是当Java来执行mapper python文件时，它要求os执行该文件，并且没有shebang / hashbang表示法，它不知道如何执行该文件。 我还要确保您的文件标有可执行权限（ chmod a+x mapperSimple.py ）：

#!/usr/bin/python
import sys

for line in sys.stdin:
    line = line.strip()
    print '%s' % line

从命令行尝试这一点，以确保shell知道使用python解释器执行文件：

cat input.txt | ./mapper.py | sort | ./reducer.py > a.out

Answer 2

除了克里斯怀特答案，shebang标题应该是：

#!/usr/bin/env python

默认情况下将使用python2.7。 如果你想使用python3，你可以使用：

#!/usr/bin/env python3

并且不要使用：

#!/usr/bin/python

因为它会在大多数计算机上失败..包括我的****叹气****

请查看此答案以获取更多信息