我认为雅虎开发者网络上的本教程将帮助您：Chaining Jobs
您使用JobClient.runJob(). 第一个作业的数据输出路径成为第二个作业的输入路径。这些需要作为参数传递给您的作业，并使用适当的代码来解析它们并为作业设置参数。
我认为上述方法可能是现在较旧的 mapred API 的方式，但它应该仍然有效。新的 mapreduce API 中会有类似的方法，但我不确定它是什么。
至于在作业完成后删除中间数据，您可以在代码中执行此操作。我以前做的方式是使用类似的东西：
FileSystem.delete(Path f, boolean recursive);
其中路径是数据在 HDFS 上的位置。您需要确保仅在没有其他工作需要时才删除此数据。
有很多方法可以做到这一点。
(1)级联作业
为第一个作业创建 JobConf 对象“job1”，并将所有参数设置为“input”作为输入目录，“temp”作为输出目录。执行此作业：
JobClient.run(job1).
在它的正下方，为第二个作业创建 JobConf 对象“job2”，并将所有参数设置为“temp”作为输入目录，“output”作为输出目录。执行此作业：
JobClient.run(job2).
(2)创建两个JobConf 对象，除了不使用JobClient.run 之外，像(1)一样设置其中的所有参数。
然后创建两个以 jobconfs 为参数的 Job 对象：
Job job1=new Job(jobconf1);
Job job2=new Job(jobconf2);
使用 jobControl 对象，您可以指定作业依赖项，然后运行作业：
JobControl jbcntrl=new JobControl("jbcntrl");
jbcntrl.addJob(job1);
jbcntrl.addJob(job2);
job2.addDependingJob(job1);
jbcntrl.run();
(3)如果你需要一个有点像 Map+ | 的结构 减少 | Map*，您可以使用 Hadoop 0.19 及更高版本附带的 ChainMapper 和 ChainReducer 类。
实际上有很多方法可以做到这一点。我将重点介绍两个。
一种是通过 Riffle ( http://github.com/cwensel/riffle ) 一个注释库，用于识别依赖的事物并以依赖（拓扑）顺序“执行”它们。
或者您可以在 Cascading ( http://www.cascading.org/ )中使用 Cascade (和 MapReduceFlow )。未来的版本将支持 Riffle 注释，但它现在可以很好地用于原始 MR JobConf 作业。
对此的一个变体是根本不手动管理 MR 作业，而是使用 Cascading API 开发您的应用程序。然后 JobConf 和作业链通过 Cascading planner 和 Flow 类在内部处理。
这样你就可以把时间花在你的问题上，而不是管理 Hadoop 作业的机制等上。你甚至可以在上面分层不同的语言（如 clojure 或 jruby），以进一步简化你的开发和应用程序。http://www.cascading.org/modules.html
我已经一个接一个地使用 JobConf 对象完成了作业链接。我以 WordCount 为例来链接作业。一项工作是计算一个单词 a 在给定输出中重复了多少次。第二个作业将第一个作业输出作为输入，并计算给定输入中的总字数。下面是需要放在 Driver 类中的代码。
//First Job - Counts, how many times a word encountered in a given file
JobConf job1 = new JobConf(WordCount.class);
job1.setJobName("WordCount");
job1.setOutputKeyClass(Text.class);
job1.setOutputValueClass(IntWritable.class);
job1.setMapperClass(WordCountMapper.class);
job1.setCombinerClass(WordCountReducer.class);
job1.setReducerClass(WordCountReducer.class);
job1.setInputFormat(TextInputFormat.class);
job1.setOutputFormat(TextOutputFormat.class);
//Ensure that a folder with the "input_data" exists on HDFS and contains the input files
FileInputFormat.setInputPaths(job1, new Path("input_data"));
//"first_job_output" contains data that how many times a word occurred in the given file
//This will be the input to the second job. For second job, input data name should be
//"first_job_output".
FileOutputFormat.setOutputPath(job1, new Path("first_job_output"));
JobClient.runJob(job1);
//Second Job - Counts total number of words in a given file
JobConf job2 = new JobConf(TotalWords.class);
job2.setJobName("TotalWords");
job2.setOutputKeyClass(Text.class);
job2.setOutputValueClass(IntWritable.class);
job2.setMapperClass(TotalWordsMapper.class);
job2.setCombinerClass(TotalWordsReducer.class);
job2.setReducerClass(TotalWordsReducer.class);
job2.setInputFormat(TextInputFormat.class);
job2.setOutputFormat(TextOutputFormat.class);
//Path name for this job should match first job's output path name
FileInputFormat.setInputPaths(job2, new Path("first_job_output"));
//This will contain the final output. If you want to send this jobs output
//as input to third job, then third jobs input path name should be "second_job_output"
//In this way, jobs can be chained, sending output one to other as input and get the
//final output
FileOutputFormat.setOutputPath(job2, new Path("second_job_output"));
JobClient.runJob(job2);
运行这些作业的命令是：
bin/hadoop jar TotalWords。
我们需要为命令提供最终作业名称。在上述情况下，它是 TotalWords。
您可以按照代码中给出的方式运行 MR 链。
请注意：仅提供了驱动程序代码
public class WordCountSorting {
// here the word keys shall be sorted
//let us write the wordcount logic first
public static void main(String[] args)throws IOException,InterruptedException,ClassNotFoundException {
//THE DRIVER CODE FOR MR CHAIN
Configuration conf1=new Configuration();
Job j1=Job.getInstance(conf1);
j1.setJarByClass(WordCountSorting.class);
j1.setMapperClass(MyMapper.class);
j1.setReducerClass(MyReducer.class);
j1.setMapOutputKeyClass(Text.class);
j1.setMapOutputValueClass(IntWritable.class);
j1.setOutputKeyClass(LongWritable.class);
j1.setOutputValueClass(Text.class);
Path outputPath=new Path("FirstMapper");
FileInputFormat.addInputPath(j1,new Path(args[0]));
FileOutputFormat.setOutputPath(j1,outputPath);
outputPath.getFileSystem(conf1).delete(outputPath);
j1.waitForCompletion(true);
Configuration conf2=new Configuration();
Job j2=Job.getInstance(conf2);
j2.setJarByClass(WordCountSorting.class);
j2.setMapperClass(MyMapper2.class);
j2.setNumReduceTasks(0);
j2.setOutputKeyClass(Text.class);
j2.setOutputValueClass(IntWritable.class);
Path outputPath1=new Path(args[1]);
FileInputFormat.addInputPath(j2, outputPath);
FileOutputFormat.setOutputPath(j2, outputPath1);
outputPath1.getFileSystem(conf2).delete(outputPath1, true);
System.exit(j2.waitForCompletion(true)?0:1);
}
}
序列是
（JOB1）MAP->REDUCE->（JOB2）MAP
这样做是为了对键进行排序，但还有更多方法，例如使用树形图
但是我想将您的注意力集中在作业被链接的方式上！ ！
谢谢
您可以使用 oozie 来处理您的 MapReduce 作业。http://issues.apache.org/jira/browse/HADOOP-5303
Apache Mahout 项目中有一些示例将多个 MapReduce 作业链接在一起。示例之一可以在以下位置找到：
RecommenderJob.java
我们可以利用waitForCompletion(true)Job 的方法来定义 Job 之间的依赖关系。
在我的场景中，我有 3 个相互依赖的工作。在驱动程序类中，我使用了以下代码，它按预期工作。
public static void main(String[] args) throws Exception {
// TODO Auto-generated method stub
CCJobExecution ccJobExecution = new CCJobExecution();
Job distanceTimeFraudJob = ccJobExecution.configureDistanceTimeFraud(new Configuration(),args[0], args[1]);
Job spendingFraudJob = ccJobExecution.configureSpendingFraud(new Configuration(),args[0], args[1]);
Job locationFraudJob = ccJobExecution.configureLocationFraud(new Configuration(),args[0], args[1]);
System.out.println("****************Started Executing distanceTimeFraudJob ================");
distanceTimeFraudJob.submit();
if(distanceTimeFraudJob.waitForCompletion(true))
{
System.out.println("=================Completed DistanceTimeFraudJob================= ");
System.out.println("=================Started Executing spendingFraudJob ================");
spendingFraudJob.submit();
if(spendingFraudJob.waitForCompletion(true))
{
System.out.println("=================Completed spendingFraudJob================= ");
System.out.println("=================Started locationFraudJob================= ");
locationFraudJob.submit();
if(locationFraudJob.waitForCompletion(true))
{
System.out.println("=================Completed locationFraudJob=================");
}
}
}
}
新的类 org.apache.hadoop.mapreduce.lib.chain.ChainMapper 帮助这个场景
尽管有复杂的基于服务器的 Hadoop 工作流引擎，例如 oozie，但我有一个简单的 java 库，可以将多个 Hadoop 作业作为工作流执行。定义作业间依赖关系的作业配置和工作流在 JSON 文件中进行配置。一切都是外部可配置的，并且不需要对现有的 map reduce 实现进行任何更改即可成为工作流的一部分。
详细信息可以在这里找到。源代码和 jar 在 github 中可用。
http://pkghosh.wordpress.com/2011/05/22/hadoop-orchestration/
普拉纳布
我认为 oozie 可以帮助后续工作直接从以前的工作中接收输入。这避免了使用作业控制执行的 I/O 操作。
如果您想以编程方式链接您的作业，您将需要使用 JobControl。用法很简单：
JobControl jobControl = new JobControl(name);
之后，您添加 ControlledJob 实例。ControlledJob 定义了一个作业及其依赖项，从而自动插入输入和输出以适应作业“链”。
jobControl.add(new ControlledJob(job, Arrays.asList(controlledjob1, controlledjob2));
jobControl.run();
启动链。你会想把它放在一个单独的线程中。这允许在运行时检查链的状态：
while (!jobControl.allFinished()) {
System.out.println("Jobs in waiting state: " + jobControl.getWaitingJobList().size());
System.out.println("Jobs in ready state: " + jobControl.getReadyJobsList().size());
System.out.println("Jobs in running state: " + jobControl.getRunningJobList().size());
List<ControlledJob> successfulJobList = jobControl.getSuccessfulJobList();
System.out.println("Jobs in success state: " + successfulJobList.size());
List<ControlledJob> failedJobList = jobControl.getFailedJobList();
System.out.println("Jobs in failed state: " + failedJobList.size());
}
正如您在要求中提到的那样，您希望 MRJob1 的 o/p 成为 MRJob2 的 i/p 等等，您可以考虑对这个用例使用 oozie 工作流。此外，您可能会考虑将中间数据写入 HDFS，因为它将被下一个 MRJob 使用。工作完成后，您可以清理中间数据。
<start to="mr-action1"/>
<action name="mr-action1">
<!-- action for MRJob1-->
<!-- set output path = /tmp/intermediate/mr1-->
<ok to="end"/>
<error to="end"/>
</action>
<action name="mr-action2">
<!-- action for MRJob2-->
<!-- set input path = /tmp/intermediate/mr1-->
<ok to="end"/>
<error to="end"/>
</action>
<action name="success">
<!-- action for success-->
<ok to="end"/>
<error to="end"/>
</action>
<action name="fail">
<!-- action for fail-->
<ok to="end"/>
<error to="end"/>
</action>
<end name="end"/>
新的答案，因为 JobClient.run() 的确认答案在新 API 中不起作用：
如果你有两个这样的工作：
Configuration conf1 = new Configuration();
Job job1 = Job.getInstance(conf1, "a");
Configuration conf2 = new Configuration();
Job job2 = Job.getInstance(conf2, "b");
那么您唯一应该做的就是在创建“job2”之前添加以下行：
job1.waitForCompletion(true);