Hadoop 将同一目录中基于日期的多个文件作为输入传递给Mapreduce
我有一个要求,我必须使用来自同一目录的多个文件和特定日期作为mapreduce作业的输入 我不知道怎么做Hadoop 将同一目录中基于日期的多个文件作为输入传递给Mapreduce,hadoop,mapreduce,hadoop-streaming,Hadoop,Mapreduce,Hadoop Streaming,我有一个要求,我必须使用来自同一目录的多个文件和特定日期作为mapreduce作业的输入 我不知道怎么做 hadoop jar EventLogsSW.jar EventSuspiciousWatch /user/hdfs/eventlog/*.snappy /user/hdfs/eventlog_output/op1 示例:从eventlog目录中,我只需要显示日期文件进行处理 eventlog目录已从flume logger代理获取日志数据,因此它每天有1000个新文件。我希望我只需要为我
hadoop jar EventLogsSW.jar EventSuspiciousWatch /user/hdfs/eventlog/*.snappy /user/hdfs/eventlog_output/op1
示例:从eventlog目录中,我只需要显示日期文件进行处理
eventlog目录已从flume logger代理获取日志数据,因此它每天有1000个新文件。我希望我只需要为我的流程提供日期文件
谢谢
问候,,
默翰 您可以使用bash
date
命令作为$(日期+%Y-%m-%d)
:
例如,按以下方式运行将查找/user/hdfs/eventlog/2017-01-04。snappy
日志文件和输出将存储到/user/hdfs/eventlog\u output/2017-01-04
hdfs
目录:
hadoop jar EventLogsSW.jar EventSuspiciousWatch /user/hdfs/eventlog/$(date +%Y-%m-%d).snappy /user/hdfs/eventlog_output/$(date +%Y-%m-%d)
要获取特定的日期格式,请参见或键入人工日期
命令以了解有关日期
的更多信息
提供更多详细信息后更新: 1。说明:
$ file=$(hadoop fs -ls /user/cloudera/*.snappy|grep $(date +%Y-%m-%d)|awk '{print $NF}')
$ echo $file
/user/cloudera/xyz.snappy
$ file_out=$(echo $file|awk -F '/' '{print $NF}'|awk -F '.' '{print $1}')
$ echo $file_out
xyz
$hadoop jar EventLogsSW.jar EventSuspiciousWatch /user/hdfs/eventlog/$file /user/hdfs/eventlog_output/$file_out
2。使shell脚本每天重复使用这些命令。。。以更符合逻辑的方式
对于当前系统日期,此脚本可以在hdfs中处理多个文件:
此脚本可以在当前系统日期的hdfs中处理多个文件-一次一个文件:
谢谢你的回复。文件名中没有任何日期。例如--199346735859.Snappy但使用此选项将一次处理一个文件…通过将要处理的所有文件移动到新目录中,然后在该目录上运行hadoop作业,可以在单个hadoop作业中运行所有文件。这对我帮助很大。
#!/bin/sh
#get today's snappy files
files=$(hadoop fs -ls /user/hdfs/eventlog/*.snappy|grep $(date +%Y-%m-%d)|awk '{print $NF}')
#Only process if today's file(s) available...
if [ $? -eq 0 ]
then
# file(s) found now create dir
hadoop fs -mkdir /user/hdfs/eventlog/$(date +%Y-%m-%d)
counter=0
#move each file to today's dir
for file in $files
do
hadoop fs -mv $file /user/hdfs/eventlog/$(date +%Y-%m-%d)/
counter=$(($counter + 1))
done
#run hadoop job
hadoop jar EventLogsSW.jar EventSuspiciousWatch /user/hdfs/eventlog/$(date +%Y-%m-%d) /user/hdfs/eventlog_output/$(date +%Y-%m-%d)
fi
echo "Total processed file(s): $counter"
echo "Done processing today's file(s)..."
#!/bin/sh
#get today's snappy files
files=$(hadoop fs -ls /user/hdfs/eventlog/*.snappy|grep $(date +%Y-%m-%d)|awk '{print $NF}')
#Only process if today's file(s) available...
if [ $? -eq 0 ]
then
counter=0
for file in $files
do
echo "Processing file: $file ..."
#get output dir name
file_out=$(echo $file|awk -F '/' '{print $NF}'|awk -F '.' '{print $1}')
#run hadoop job
hadoop jar EventLogsSW.jar EventSuspiciousWatch /user/hdfs/eventlog/$file /user/hdfs/eventlog_output/$file_out
counter=$(($counter + 1))
done
fi
echo "Total processed file(s): $counter"
echo "Done processing today's file(s)..."