我们可以将 Hadoop 与 Python 集成吗？

Posted 2023-04-18

【中文标题】我们可以将 Hadoop 与 Python 集成吗？

【英文标题】：Can we integrate Hadoop with Python?

【发布时间】：2016-06-21 06:25:10

【问题描述】：

我有一个项目要求。我正在使用 python 脚本来分析数据。最初，我使用 txt 文件作为该 python 脚本的输入。但随着数据的增长，我不得不将我的存储平台切换到 Hadoop HDFS。如何将 HDFS 数据提供给 python 脚本作为输入？有什么办法吗？提前致谢。

【问题讨论】：

使用 Hadoop 流来使用 python、php 等 例如：hadoop jar hadoop/tools/lib/hadoop-streaming-2.7.2.jar -mapper /mapper.php -reducer /reducer.php -input /hdfsinputpath -输出 /hdfsoutputpath

这可能会有所帮助：***.com/questions/12485718/…

【参考方案1】：

Hadoop 流 API：

$HADOOP_HOME/bin/hadoop  jar $HADOOP_HOME/hadoop-streaming.jar \
-input myInputDirs \
-output myOutputDir \
-mapper /bin/cat \
-reducer /bin/wc

所有你需要知道的都在这里： http://www.michael-noll.com/tutorials/writing-an-hadoop-mapreduce-program-in-python/

【讨论】：

这就是我要找的。那么，基本上一切都将由 Hadoop-streaming.jar 处理，对吧？不需要额外的工作。我说的对吗？

【参考方案2】：

除了其他方法之外，您还可以使用类似 JDBC 的编译、绑定、运行模型将 Pig Latin 语句和 Pig 命令嵌入 Python 脚本中。对于 Python，请确保 Jython jar 包含在您的类路径中。更多详细信息请参阅此处的 apache pig 文档：https://pig.apache.org/docs/r0.9.1/cont.html#embed-python