Wie spezifiziert man die Eingabedatei für einen Läufer aus Python?

Question

Ich schreibe ein externes Skript, um einen mapreduce-Auftrag über das Python-mrjob-Modul auf meinem Laptop auszuführen (nicht in Amazon Elastic Compute Cloud oder einem großen Cluster).

Ich lese von der mrjob documentation, dass ich MRJob.make_runner() verwenden sollte, um einen mapreduce-Auftrag von einem separaten Python-Skript wie folgt auszuführen.

mr_job = MRYourJob(args=['-r', 'emr']) 
with mr_job.make_runner() as runner: 
    ... 

Wie kann ich jedoch angeben, welche Eingabedatei verwendet werden soll? Ich möchte eine Datei "datalines.txt" im selben Verzeichnis wie mein mapreduce-Skript und ein anderes Python-Skript verwenden, das die Map reduce ausführt. Außerdem, wie gebe ich die Ausgabe an?

Ich konnte keine Funktion in der mrjob-Dokumentation finden, die es mir ermöglicht, diese Parameter anzugeben.

Answer 1

Getting started guide schlägt vor, dass die Eingabe von stdin oder Dateien auf der Kommandozeile geliefert gelesen wird:

mr_job = MRYourJob(args=["datalines.txt"])