hadoop分布式集群部署以及過程中遇到的一些坑

在hadoop學習過程中，首先第一步是部署偽分布以及分布式集群。
在集群的部署過程中http://www.powerxing.com/install-hadoop-cluster/
使用這篇博客作為參考。

在部署過程中。 遇到一些問題。
比如：用PYTHON 跑一個簡單的MAPREDUCE 任務，首先需要現在streamingJAR包，簡單的說這個包封裝了一些常用的接口，PYTHON 通過標準輸入輸出來調用這個包。最終完成在內部用JAVA實現的功能。
下載地址為：http://www.java2s.com/Code/JarDownload/hadoop-streaming/

python 程序為 mapper.py

#!/usr/bin/env python
import sys
for line in sys.stdin:
line = line.strip()
words = line.split()
for word in words:
print "%s\t%s" % (word, 1)

以及reducer.py

**#!/usr/bin/env python
from operator import itemgetter
import sys

current_word = None
current_count = 0
word = None

for line in sys.stdin:
line = line.strip()
word, count = line.split('\t', 1)
try:
count = int(count)
except ValueError: #count如果不是數字的話，直接忽略掉
continue
if current_word == word:
current_count += count
else:
if current_word:
print "%s\t%s" % (current_word, current_count)
current_count = count
current_word = word

if word == current_word: #不要忘記最后的輸出
print "%s\t%s" % (current_word, current_count)**

    運行方式：
hadoop jar ./hadoop-streaming-2.6.0.jar -file ./mappper.py -file ./reducer.py  -input /input -output /output

這里需要注意的是  /input 必須放在hadoop文件系統上
hadoop fs -put input /input 
/output 不能存在，如果存在請先刪除

另外在python中首行必須寫   #!/usr/bin/env python
否則可能會報錯。具體原因可以看http://andylue2008.iteye.com/blog/1622260  這篇博客

另外如果使用hadoop fs -ls 這樣的命令報錯： 找不到ls目錄。是因為沒有創建家目錄
hadoop fs -mkdir -p /user/hadoop