python - 我们可以将 Hadoop 与 Python 集成吗？

Question

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。但是随着数据的增长，我不得不将我的存储平台切换到 Hadoop HDFS。如何将 HDFS 数据作为输入提供给 python 脚本？有什么办法吗？提前致谢。

Answer 1

Hadoop 流式处理 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/