输入记录不匹配python mapreduce中的输出记录

Question

我正在用python编写map reduce程序。映射器工作时，我用它运行完美的罚款 -

cat input.csv|python mapper.py > output.tsv 

但是，当我使用下面的命令运行它，我没有得到期望的输出 -

nohup hadoop jar /opt/mapr/hadoop/hadoop-2.7.0/share/hadoop/tools/lib/hadoop-streaming-2.7.0-mapr-1607.jar -Dmapreduce.job.queuename=queue_name -Dmapred.map.tasks=1000 -Dmapred.reduce.tasks=0 -input /path/sample_reduce.csv -output /path/map_output -mapper "mapper_try.py" -reducer NONE -file mapper_try.py > mapp_try2.out & 

上面说的是工作已成功完成，但我还得到以下内容 -

Map-Reduce Framework 
      Map input records=1096 
      Map output records=92 
      Input split bytes=122610 
      Spilled Records=0 
      Failed Shuffles=0 
      Merged Map outputs=0 
      GC time elapsed (ms)=0 
      CPU time spent (ms)=840560 
      Physical memory (bytes) snapshot=353314721792 
      Virtual memory (bytes) snapshot=4310996582400 
      Total committed heap usage (bytes)=2036214005760 

我无法解决输入记录与输出记录不匹配的问题。输出文件全部创建，92个文件各有1行，其他文件为空。请求帮助。在此先感谢...

Answer 1

试试这个：的

-mapper "python /path/to/mapper_try.py" 

代替：

-mapper "mapper_try.py"