hadoop - 在 Amazon MapReduce 上调用已编译的二进制文件

Question

我正在尝试对 Amazon Elastic MapReduce 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，我将在哪里存储二进制文件（在 S3 中？），我应该在什么平台上编译它，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！

Answer 1

如果您确保二进制文件被正确复制到工作节点，您可以通过这种方式调用二进制文件。

看：

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。