Hadoop提供若干种在调试HadoopStreaming的方法，供你使用，方便你快速定位问题。
- 让HadoopStreaming程序跑在开发机上。（推荐在开发时使用）
在jobconf中加上mapred.job.tracker=local。数据的输入和输出都是来自HDFS
此时，HadoopStreaming会在本地运行程序 - 保留出错的现场（推荐在跑大数据量时使用）
通过设置jobconf参数keep.failed.task.files=true，当程序出错时，可以保留现以供
Debug。可以通过GUI查到到具体是在哪个节点运行失败，然后登陆到该节点<local>/taskTracker/<taskid>/work/ ，查看core文件。 - 通过script程序收集信息来调试程序（推荐在开发时使用）
编写调试脚本程序，通过脚本，可以把程序执行过程中任何现场都保留下来，比如
Core文件的堆栈信息，这样可以确定程序具体是在什么地方出错。
脚本的调用方式如下：$script $stdout $stderr $syslog $jobconf 程序名
（注：在官方文档
http://wiki.apache.org/hadoop/HowToDebugMapReducePrograms 描述中程序名会通过第5个参数返回，但笔者在Hadoop 0.19的测试环境中，得到这个参数是空的。）
脚本示例：core=`find . -name 'core*'`; cp $core /home/admin/ gdb -quiet ./a.out -c $core -x ./pipes-default-gdb-commands.txt
pipes-default-gdb-commands.txt注明了执行的gdb命令
info threads backtrace quit
（注明：如果要正确执行以上的脚本，必须让程序能输出core文件，可以在程序中加入如下代码段）
struct rlimit limit; limit.rlim_cur = 65535; limit.rlim_max = 65535; if (setrlimit(RLIMIT_CORE, &limit) != 0) { printf("setrlimit() failed with errno=%s\n", strerror(errno)); exit(1); }然后在jobconf中，把要执行的script赋给变量”mapred.map.task.debug.script”或”mapred.reduce.task.debug.script”。 这样当HadoopStreaming执行过程发生core dump，就可以通过JobTracker的GUI界面看到GDB的信息了。
转播
