Hadoop提供了三種程式設計方式：Java（最原始的方式、Hadoop Streaming（支援多語言）以及Hadoop Pipes（支援C/C++）。Java程式設計介面是所有程式設計方式的基礎。不同的程式設計介面只是暴露給使用者的形式不同而已，內部執行引擎是一樣的。不同程式設計方式效率不同。 

          與Linux管道機制一致，通過標準輸入輸出實現程序間通訊 。 幾個舉例： 

            cat 1.txt | grep “dong” | sort 

            cat 1.txt | python grep.py | java sort.jar 

JAVA程式設計

Map階段將輸入的行資料，解析成單詞-1的key-value對。其虛擬碼如右圖所示。

        Reduce階段將map階段的輸出結果進行歸併，最後統計輸出。

        MapReduce的資料流如圖所示。inputfotmat中的RecordReader函式將split的每一行解析成偏移量-行資料的key-value形式。map實現單詞切分。reduce實現歸併。最終，統計文字中的單詞數。

Grep問題 
       一批TB或者PB量級的文件，需要完成以下功能：  搜尋符合某種規則（正則表示式）的單詞或者句子。然後，統計相應的單詞或者句子的數目。最後，按照數目對其進行排序，並輸出最終結果。

          該過程執行流程如上圖所示。分兩個過程執行，word統計和sort排序。貼出實現過程如下：

多語言程式設計

以標準輸入流作為輸入。例如：C++：cin 、C：scanf 。以標準輸出流作為輸出。例如：C++：cout 、C：printf 可實現Mapper和Reducer，其他元件（ InputFormat、Partitioner等需要用Java語言實現）。用C++實現wordcount如下圖所示：

map階段

reduce階段

       執行c++mapreduce： 編譯程式，生成可執行檔案； g++ -o mapper mapper.cpp ；g++ -o reducer reducer.cpp。 測試程式； cat test.txt | ./mapper | sort | ./reducer 

Streaming程式執行方式 
      區分通用引數和命令列引數，通用引數應放在命令列引數前面，否則不起作用。通用引數有7個：  -conf  -D  -fs -jt -files - libjars    -archives 。“-file”或者“-files”引數，設定要分發到各個節點上的檔案，對於mapper和reducer檔案，必須要用或者“-files” 或“-file”指定。 如： -files mapper,reducer 和-file mapper -file reducer 。每次執行程式前，需要清空輸出目錄bin/hadoop fs -rmr /test/output 。

      下面用PHP實現wordcount：

map階段：

reduce階段：

測試mapper和reducer：

       cat test.txt| php mapper.php | sort | php reducer.php 

在Hadoop上執行 ：

       最後，Java程式設計是Hadoop最原始開發語言。支援所有功能，是其他程式設計方式的基礎。 Streaming程式設計僅用於開發Mapper和Reducer，其他元件需採用 Java實現。其天生支援文字格式，但二進位制格式支援較弱。通常用於簡單的文字資料處理，加快開發效率。