我已经用ApacheHadoop0.2.x版本编写了一些mapreduce程序——简单地说，我是个初学者。
我正在尝试使用一个名为seismicunix的软件在linux机器上处理一个大的（超过10gb）segy文件
我在linux机器上执行的基本命令如下：

//Read SegY file and convert to custom format (.su file)

segyread tape=input.sgy verbose=1 endian=0 | segyclean >input.su

//PIPE-SEPARATE the processing commands viz. suhilb and suaccor
suhilb | suaccor ntout=1001 sym=0 < Noise1_10.su > output.su

//Create headers for converting back to SegY format
segyhdrs < output.su bfile=binary hfile=header

//Create the final output file in SegY format
segywrite <output.su tape=output.segy buff=1 conv=1 bfile=binary hfile=header

这些步骤在一台机器上需要很长时间，因此，已经建立了一个apachehadoop集群来加快速度。
按照我的思维过程：
将源segy文件拆分到集群上（以便在每个节点上都可以处理一小块大文件）
可能，使用hadoop流，调用seismicunix命令来处理每个节点上的小块
将处理过的文件聚合成一个大的segy文件，作为输出
技术问题/挑战：
源segy文件需要首先加载到hdfs上，然后才能供不同的节点处理。我该怎么做-创建一个sequencefile或其他什么？seismicunix读取segy文件，将其转换为自定义格式，然后对其进行处理！
如第二个命令所示，不同的操作（命令）是按照它们要执行的顺序进行管道传输的，例如suhilb | suaccor。现在，这是在一个Map器中发生的，还是我需要为suhilb创建一个Map器并将其输出提供给suaccor？这里非常混乱
假设处理完成了，每个节点现在都创建了output.segy（这个假设正确吗？？），我如何合并这些文件（这里完全不知道）？
我读过一些关于google的flumejava的文章，认为它是一个解决方案，但我想坚持只使用hadoop，即目前没有库的方法。
抱歉，如果我没有问我的问题深入/简洁-实际上，我不能得到一个设计/代码的清晰想法！