Hadoop Streaming和Pipes会意

迷南。 2022-03-29 08:14 220阅读 0赞

原始问题的引出见：http://bbs.hadoopor.com/viewthread.php?tid=542  
在论坛里搜查了下,觉察了两篇利用C/C++编写mapreduce的文章.如下:  
http://bbs.hadoopor.com/thread-256-1-1.html  
http://bbs.hadoopor.com/thread-420-1-2.html  
一. 其中,利用stream的文章中提到,利用stream编写mapreduce过程,其reduce任务要等到所有map任务告终后能力举行,这点不太会意.  
二. 从两种措施的告终上来看.感受有点独到.在linux下,等闲从stdin读入数据感受是管道的措施,而穿越socket读入数据为stream措施,然而在hadoop中,传神其叫法与linux下相反.不懂得为什么.  
三. 从代码能够看出,在hadoop中,stream是利用stdin,而pipes是利用socket.这两者有什么优缺点能够比拟下的.  
By：guxiangxi

一，二两个问题我也不会意，何止如何批复。第三个问题我更关怀一些，因为之前用过一下streaming，感受不是尤其好用，目前的情形还是纯熟C++，但写mapreduce还是用java。刚好Pipes刚好是我想要的。下面有三处文章能够参看  
       1、http://cxwangyi.blogspot.com/2010/01/writing-hadoop-programs-using-c.html  
       2、http://remonstrate.wordpress.com/2010/10/01/hadoop-上的-c-例程/  
       3、http://blog.endlesscode.com/2010/06/16/\*\*\*-demo-of-streaming-and-pipes/

归纳如下：  
      1、Streaming是Hadoop供给的一个能够利用其他编程语言来举行MapReduce来的API，因为Hadoop是基于Java（由于作者比拟擅长Java，Lucene和Nutch都是出于Hadoop的作者）。Hadoop Streaming并不混杂，其只是利用了Unix的规范输入输出作为Hadoop和其他编程语言的开发接口，因而在其他的编程语言所写的过程中，只必需将规范输入作为过程的输入，将规范输出作为过程的输出就能够了。在规范的输入输出中，key和value是以tab作为分隔符，并且在reduce的规范输入中，hadoop框架保证了输入的数据是穿越了按key排序的。

2、Hadoop Pipes是Hadoop MapReduce的C++接口。与利用规范输入输出的Hadoop Streaming不同（当然Streaming也能够用于C++），Hadoop Pipes在tasktacker和map/reduce举行通信时利用的socket作为管道，不是规范输入输出，而不是JNI。Hadoop Pipes不能运行在standalone形式下，因而要先搭配成pseudo-distributed形式，因为Hadoop Pipes依靠于Hadoop的散布式缓存技巧，而散布式缓存只会在HDFS运行的时候才会扶持。与Java的接口不一样，Hadoop Pipes的key和value都是基于STL的string，因而在处理时开发人员必需手动地举行数据种类的转换。

3、从性质上 hadoop pipes 和 hadoop streaming 做的事情几乎一样，除非两者的通信不同，pipes 能够利用 hadoop 的 counter 个性。与 Java native code 比拟，Java native code 能够利用告终了 Writable 接口的任何数据种类作为 key/value，而 pipes 和 streaming 就定然穿越字符串举行顺次转换（通信开支大，存储开支大）。可能正是这个起因，pipes 可能尔后会被从 hadoop 中移除。当然，万一计算代价较高，可能 Java native code 并未曾 C++ 厉行效率高，那么尔后可能就写 streaming code 了。pipes 利用的是 byte array，刚好能够用 std:string 封装，只是例子里面都是转换成为字符串输入输出。这要求过程员自己设计科学的输入输出措施（数据 key/value 的分段）。

曾经获得验证：pipes 曾经从 hadoop 中移除。运行$ ~/hadoop-0.21.0/bin/hadoop，曾经看不到pipe的这一项了。

利用上的参看：  
1、http://developer.yahoo.com/hadoop/tutorial/module4.html\#pipes  
2、http://code.google.com/p/hypertable/wiki/MapReduceWithHypertable

[Gridview 表头加入checkbox的措施.][Gridview _checkbox_.]

[塑造战略的五种能力——迈克尔.波特再论“五力模型”.][._.]

[Gridview _checkbox_.]: http://taveras_63.blog.163.com/blog/static/18885942320116174417335
[._.]: http://cartagena_ed.blog.163.com/blog/static/188881739201161721035431