我正尝试在 Amazon Elastic MapReduce 上进行一些数据分析。映射器步骤是一个 python 脚本,其中包括对名为“./formatData”的已编译 C++ 二进制文件的调用。例如:
# myMapper.py
from subprocess import *
inputData = sys.stdin.readline()
# ...
p1 = Popen('./formatData', stdin=PIPE, stdout=PIPE)
p1Output = p1.communicate(input=inputData)
result = ... # manipulate the formatted data
print "%s\t%s" % (result,1)
我可以在 Amazon EMR 上调用这样的二进制可执行文件吗?如果是这样,我应该在哪里存储二进制文件(在 S3 中?),我应该为哪个平台编译它,以及我如何确保我的映射器脚本可以访问它(理想情况下它会在当前工作目录中)。
谢谢!
最佳答案
如果您确保二进制文件被正确复制到工作节点,您可以那样调用二进制文件。
参见:
https://forums.aws.amazon.com/thread.jspa?threadID=35158
有关如何使用分布式缓存使二进制文件在工作节点上可访问的说明。
关于hadoop - 在 Amazon MapReduce 上调用已编译的二进制文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/9169622/