使用 C# 的 Mapreduce：处理整个输入文件

Question

问题：

我正在用 C# 为 HDInsight 创建一个 MapReduce 应用程序。我需要处理整个输入文件。

我明白，在 Hadoop 中有两个选项可以实现这一点：

派生自 InputFormat class，并始终让 isSplitable return 错误
将 min_splitsize 设置为足够大的值

我不知道如何在 HDInsight 上使用 C# 实现这些选项中的任何一个。

详情：

我要么

使用 Microsoft.Hadoop.MapReduce，并通过 hadoop.MapReduceJob.ExecuteJob<MyJob>();
或者简单地创建一个控制台应用程序并通过
从 azure powershell 启动它
$mrJobDef = New-AzureHDInsightStreamingMapReduceJobDefinition -JobName MyJob -StatusFolder $mrStatusOutput -Mapper $mrMapper -Reducer $mrReducer -InputPath $mrInput -OutputPath $mrOutput

$mrJobDef.Files.Add($mrMapperFile)

$mrJob = Start-AzureHDInsightJob -Cluster $clusterName -JobDefinition $mrJobDef

任何一种方法的解决方案都会有很大帮助。

Answer 1

您可以使用 powershell 中的 -Defines 参数设置 min_splitsize

$clusterName = "YourClusterName"
$jobConfig = @{ "min_splitsize"="512mb"; "mapred.output.compression.codec"="org.apache.hadoop.io.compress.GzipCodec" }
$myWordCountJob = New-AzureHDInsightMapReduceJobDefinition -JarFile "/example/jars/hadoop-examples.jar" -ClassName "wordcount" -jobName "WordCountJob" -StatusFolder "/MyMRJobs/WordCountJobStatus" -Defines $jobConfig

或 C#

    var mapReduceJob = new MapReduceJobCreateParameters() 
    {
          ClassName = "wordcount", // required
          JobName = "MyWordCountJob", //optional
          JarFile = "/example/jars/hadoop-examples.jar",  // Required, alternative syntax: wasb://hdijobs@azimasv2.blob.core.windows.net/example/jar/hadoop-examples.jar
          StatusFolder = "/AzimMRJobs/WordCountJobStatus" //Optional, but good to use to know where logs are uploaded in Azure Storage
    };

    mapReduceJob.Defines.Add("min_splitsize", "512mb");

虽然我认为这不能保证每个文件都会被完整读取。为此，您可能需要此处说明的 Java SDK http://www.andrewsmoll.com/3-hacks-for-hadoop-and-hdinsight-clusters/

资源： http://blogs.msdn.com/b/bigdatasupport/archive/2014/02/13/how-to-pass-hadoop-configuration-values-for-a-job-via-hdinsight-powershell-and-net-sdk.aspx

使用 C# 的 Mapreduce：处理整个输入文件

Mapreduce with C#: Process whole input files

c#

mapreduce

hadoop-streaming

azure-hdinsight