1.常用Streaming命令介绍
使用下面的命令运行Streaming MapReduce程序：
其中args是streaming参数，下面是参数列表：
-input <path> | 输入数据路径 |
-output <path> | 输出数据路径 |
-mapper <cmd|JavaClassName> | mapper可执行程序或Java类 |
-reducer <cmd|JavaClassName> | reducer可执行程序或Java类 |
-file <file> Optional | 分发本地文件 |
-cacheFile <file> Optional | 分发HDFS文件 |
-cacheArchive <file> Optional | 分发HDFS压缩文件 |
-numReduceTasks <num> Optional | reduce任务个数 |
-jobconf | -D NAME=VALUE Optional | 作业配置参数 |
-combiner <JavaClassName> Optional | Combiner Java类 |
-partitioner <JavaClassName> Optional | Partitioner Java类 |
-inputformat <JavaClassName> Optional | InputFormat Java类 |
-outputformat <JavaClassName> Optional | OutputFormat Java类 |
-inputreader <spec> Optional | InputReader配置 |
-cmdenv <n>=<v> Optional | 传给mapper和reducer的环境变量 |
-mapdebug <path> Optional | mapper失败时运行的debug程序 |
-reducedebug <path> Optional | reducer失败时运行的debug程序 |
-verbose Optional | 详细输出模式 |
下面是对各个参数的详细说明：
l -input <path>：指定作业输入，path可以是文件或者目录，可以使用*通配符，-input选项可以使用多次指定多个文件或目录作为输入。
l -output <path>：指定作业输出目录，path必须不存在，而且执行作业的用户必须有创建该目录的权限，-output只能使用一次。
l -mapper：指定mapper可执行程序或Java类，必须指定且唯一。
l -reducer：指定reducer可执行程序或Java类，必须指定且唯一。
l -file, -cacheFile, -cacheArchive：分别用于向计算节点分发本地文件、HDFS文件和HDFS压缩文件，具体使用方法参考文件分发与打包。
l -numReduceTasks：指定reducer的个数，如果设置-numReduceTasks 0或者-reducer NONE则没有reducer程序，mapper的输出直接作为整个作业的输出。
l -jobconf | -D NAME=VALUE：指定作业参数，NAME是参数名，VALUE是参数值，可以指定的参数参考hadoop-default.xml。特别建议用-jobconf mapred.job.name='My Job Name'设置作业名，使用-jobconf mapred.job.priority=VERY_HIGH | HIGH | NORMAL | LOW | VERY_LOW设置作业优先级，使用-jobconf mapred.job.map.capacity=M设置同时最多运行M个map任务，使用-jobconf mapred.job.reduce.capacity=N设置同时最多运行N个reduce任务。常见的作业配置参数如下表所示：
mapred.job.name | 作业名 |
mapred.job.priority | 作业优先级 |
mapred.job.map.capacity | 最多同时运行map任务数 |
mapred.job.reduce.capacity | 最多同时运行reduce任务数 |
hadoop.job.ugi | 作业执行权限 |
mapred.map.tasks | map任务个数 |
mapred.reduce.tasks | reduce任务个数 |
mapred.job.groups | 作业可运行的计算节点分组 |
mapred.task.timeout | 任务没有响应（输入输出）的最大时间 |
mapred.compress.map.output | map的输出是否压缩 |
mapred.map.output.compression.codec | map的输出压缩方式 |
mapred.output.compress | reduce的输出是否压缩 |
mapred.output.compression.codec | reduce的输出压缩方式 |
stream.map.output.field.separator | map输出分隔符 |
l -combiner：指定combiner Java类，对应的Java类文件打包成jar文件后用-file分发。
l -partitioner：指定partitioner Java类，Streaming提供了一些实用的partitioner实现，参考KeyBasedFiledPartitoner和IntHashPartitioner。
l -inputformat, -outputformat：指定inputformat和outputformat Java类，用于读取输入数据和写入输出数据，分别要实现InputFormat和OutputFormat接口。如果不指定，默认使用TextInputFormat和TextOutputFormat。
l -cmdenv NAME=VALUE：给mapper和reducer程序传递额外的环境变量，NAME是变量名，VALUE是变量值。
l -mapdebug, -reducedebug：分别指定mapper和reducer程序失败时运行的debug程序。
l -verbose：指定输出详细信息，例如分发哪些文件，实际作业配置参数值等，可以用于调试。
3.Streaming使用示例