【工程類】【Hadoop】Hadoop streaming 在使用stream.num.map.output.key.fields命令時注意事項

1、使用HadoopStreaming的一個小case，分享給大家，避免日後出bug：
當我們在用-D stream.num.map.output.key.fields="2"這個參數時，如果map端輸出的長度小於或者等於2，則在reduce端打印的時候會多加一個空值。
比如：

Hadoop streaming 使用-D stream.num.map.output.key.fields="2"參數

map 端輸出
A\tB

reduce端輸出
A\tB\t""

2、二次排序
如果我們僅僅想將第一個字段分桶，而將前兩個字段進行排序，例如，給定txt文件

a       2       11      22
b       3       11      22
c       4       11      22
a       1       11      22
b       2       11      22
c       1       11      22
a       5       11      22

假設我們希望得到

a	1	11	22
a	2	11	22
a	5	11	22

b	2	11	22
b	3	11	22

c	1	11	22
c	4	11	22

即第一列將其分到相應的桶中，第二列也進行排序。則我們可以用這兩個參數

-jobconf stream.num.map.output.key.fields=2

-jobconf num.key.fields.for.partition=1

-partitioner org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner

stream.num.map.output.key.fields=2表示我們用前兩個字段進行排序。num.key.fields.for.partition=1 表示我們用第一個字段進行分桶。排序方式使用org.apache.hadoop.mapred.lib.KeyFieldBasedPartitioner （必須）、