Hadoop作业提交多种方案具体流程详解

lx86

　　Hadoop作业提交多种方案具体流程详解



前言：



提交hadoop作业时我们遇到了许多的问题，在网上也查过许多的文章，有许多对hadoop提交作业原理进行分析的文章，却总看不到对具体操作过程讲解的文章，导致我们在eclipse提交的作业总是在eclipse虚拟的云环境中运行。慢慢摸索中，一个一个的作业提交方法被我们发现，呵呵，现在总结一下吧。

方案：



1、用命令行方式提交

2、在eclipse中提交作业

3、采用eclipse的插件实现项目的提交

方案一：用命令行方式提交



前提：成功搭建一个hadoop集群，或成功部署一个伪分布式，并启动hadoop。


提交过程：


1、在eclipse中将我们的项目打成一个jar包，放到hadoop的安装目录下。


2、在命令行中提交作业，这里以hadoop自带的wordcount程序为例：


（1）将统计文件传到hdfs，如图（1）

　　（2）向云提交作业，如图（2）

　　提交作业时，如果遇到错误：Name node in safe mode，可采用下面的解决方法，如图（3）

　　（3）列出hdfs上输出文件夹下的文件，如图（4）

　　（4）在命令行中打印统计好的结果，如图（5）

　　（注：在命令行中提交作业是按hadoop/conf下的配置文件提交的）

方案二：在eclipse中提交作业



前提：


1、在你的电脑上安装好eclipse，可以在linux下，也可以在windows环境下哦～，这里需要指出的是：提交作业的机器只要有hadoop的API就可以了，和提交作业的机器所处的环境无关。


2、成功搭建一个hadoop集群，或成功部署一个伪分布式，并启动hadoop。


提交过程：


1、在eclipse下建立一个mapreduce项目，导入hadoop的API（hadoop/lib下的包）。


这里直接从外部导入hadoop中自带的wordcount程序。为了可以直接“Run java Aplication”我修改了一点wordcount的代码，使其输入输出文件的地址直接在代码中设置。贴出代码如下：



wordcount.java:

package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
public class WordCount {
//mapper类
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}
//reducer类
public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context
) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path("/home/hadoop/testin"));
FileOutputFormat.setOutputPath(job, new Path("/home/hadoop/testout"));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
 
　　如果此时你run java aplication,呵呵，你的程序只会在eclipse中虚拟的一个云环境中运行，而不会跑上云端去运行哦。我们一帮人在这个问题上纠结了好长时间。如果你想在云端运行，需要在main方法中添加几行代码，代码附录如下：


    //在你的文件地址前自动添加：hdfs://master:9000/
conf.set("fs.default.name", "hdfs://master:9000/");
conf.set("hadoop.job.user","xiaolu");  
//指定jobtracker的ip和端口号，master在/etc/hosts中可以配置
conf.set("mapred.job.tracker","master:9001");

 　　（注：如果你运行的不是master上也有的项目，比如自己实现的pagerank，那会报错如下：）


java.lang.RuntimeException: java.lang.ClassNotFoundException: *.PRMapper
　　这时会报找不到Mapper类的错。呵呵，这个问题也卡了我们好长时间。我们分析：可能是没有将项目打包，导致云上没有mapreduce程序的缘故，我们尝试着将pagerank项目打成.jar文件，放在项目下，将main方法作出如下修改：


        //将Configuration类换成JobConf类
JobConf conf = new JobConf();
//设置jar
conf.setJar("pagerank.jar");

　　这时运行java aplication ,呵呵，结果我们成功地将作业提交到了云端。（在浏览器中浏览：master:50030）

方案三：采用eclipse的插件实现项目的提交



前提：在eclipse中成功地安装mapreduce插件。


不过需要提醒各位的是：hadoop-0.20.203.0版本自带的插件不够完整，需要作出如下修改：


1、将HADOOP_HOME/lib目录下的 commons-configuration-1.6.jar , commons-httpclient-3.0.1.jar , commons-lang-2.4.jar , jackson-core-asl-1.0.1.jar 和 jackson-mapper-asl-1.0.1.jar 等5个包复制到hadoop-eclipse-plugin-0.20.203.0.jar的lib目录下。


2、然后，修改该包META-INF目录下的MANIFEST.MF，将classpath修改为以下内容：


Bundle-ClassPath: classes/,lib/hadoop-core.jar,lib/commons-cli-1.2.jar,lib/commons-httpclient-3.0.1.jar,lib/jackson-core-asl-1.0.1.jar,lib/jackson-mapper-asl-1.0.1.jar,lib/commons-configuration-1.6.jar,lib/commons-lang-2.4.jar
　　（注：这样就完成了对hadoop-eclipse-plugin-0.20.203.0.jar的修改。如果还有其它的问题，比如Map/Reduce Locations下添加一个Location不能弹出添加对话框，这是eclipse版本的问题，我建议大家采用eclipse的版本是：eclipse-java-indigo-SR1-linux-gtk.tar.gz。）


提交过程：


1、不用手动将项目打成jar包，run on Hadoop就OK了。呵呵~