假设您使用的是textinputformat（或其子类之一），则会自动处理扩展名为.snappy的压缩输入文件。
您可能需要考虑使用lzo压缩（.gz extension）而不是snappy。为了获得更好的压缩比和可拆分的输入文件，您放弃了一些压缩速度。cloudera在他们的博客中提到：
需要注意的一点是，snappy打算与容器格式一起使用，比如序列文件或avro数据文件，而不是直接在纯文本上使用，因为后者是不可拆分的，不能使用mapreduce并行处理。这与lzo不同，在lzo中可以索引lzo压缩文件以确定分割点，以便在后续处理中可以有效地处理lzo文件。

答案是，“做不到。”至少，对于将hadoop流应用到源于hadoop之外的snappy压缩文件的特定情况来说不是这样。
我（彻底地！）探索了两个主要的选项来得出这个结论：（1）尝试使用hadoop的内置snapy压缩，正如highlycaffinated所建议的那样，或者（2）编写我自己的流模块来使用和解压缩snapy文件。
对于选项（1），hadoop似乎在使用snappy压缩文件时向文件添加了一些标记。因为我的文件是用SnappyOutside hadoop压缩的，所以hadoop的内置编解码器无法解压缩文件。
此问题的一个症状是堆空间错误：

2013-04-03 20:14:49,739 FATAL org.apache.hadoop.mapred.Child (main): Error running child : java.lang.OutOfMemoryError: Java heap space
    at org.apache.hadoop.io.compress.BlockDecompressorStream.getCompressedData(BlockDecompressorStream.java:102)
    at org.apache.hadoop.io.compress.BlockDecompressorStream.decompress(BlockDecompressorStream.java:82)
    at org.apache.hadoop.io.compress.DecompressorStream.read(DecompressorStream.java:76)
    at java.io.InputStream.read(InputStream.java:85)
    ...

当我切换到一个更大的示例并启动mapred.child.java.opts设置时，出现了一个新错误：

java.io.IOException: IO error in map input file s3n://my-bucket/my-file.snappy

hadoop的snappy编解码器不能处理外部生成的文件。
对于选项（2），问题是hadoop流不区分\n、\r\n和换行符。由于快速压缩最终会在压缩文件中散布这些字节码，这是致命的。以下是我的错误跟踪：

2013-04-03 22:29:50,194 WARN org.apache.hadoop.mapred.Child (main): Error running child
java.lang.RuntimeException: PipeMapRed.waitOutputThreads(): subprocess failed with code 1
    at org.apache.hadoop.streaming.PipeMapRed.waitOutputThreads(PipeMapRed.java:372)
    at org.apache.hadoop.streaming.PipeMapRed.mapRedFinished(PipeMapRed.java:586)
    at org.apache.hadoop.streaming.PipeMapper.close(PipeMapper.java:135)
    at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:57)
    ...

通过对hadoop的java类做一点工作（例如，请参见此处），我们可能可以修复\r\n vs问题。但正如我最初所说，我的目标是在hadoop流模块中构建，而不涉及java。有了这个限制，似乎没有任何办法解决这个问题。
最后，我回到生成这个集群正在使用的文件的人那里，说服他们切换到gzip或lzo。
在选项（2）上，我试着用不同的字符（例如textinputformat.record.delimiter=x）分割记录，但感觉非常粗糙，无论如何都不起作用。
pps—另一种解决方法是编写脚本从s3下载文件，解压缩文件，然后运行-copyfromlocal将文件拉入hdfs。在计算上，这并没有错，但是从工作流的Angular 来看，它会带来各种各样的麻烦。