hadoop distributecache新api与旧api用法

cwx

转载请注明出处：http://www.codelast.com/
现象：和这个帖子描述的一样，简单说来就是，在Hadoop 2.x上，用新的DistributedCache的API，在mapper中会获取不到这个cache文件。
下面就详细地描述一下新旧API的用法区别以及解决办法。

『1』旧API
将HDFS文件添加到distributed cache中：

1 2	Configuration conf = job.getConfiguration(); DistributedCache.addCacheFile(new URI(inputFileOnHDFS), conf);  // add file to distributed cache

其中，inputFileOnHDFS是一个HDFS文件的路径，也就是你要用作distribute cache的文件的路径，例如 /user/codelast/123.txt
在mapper的setup()方法中：

1 2 3

Configuration conf = context.getConfiguration(); Path[] localCacheFiles = DistributedCache.getLocalCacheFiles(conf); readCacheFile(localCacheFiles[0]);

其中，readCacheFile()是我们自己的读取cache文件的方法，可能是这样做的（仅举个例子）：

1 2 3 4 5 6 7 8

private static void readCacheFile(Path cacheFilePath) throws IOException {   BufferedReader reader = new BufferedReader(new FileReader(cacheFilePath.toUri().getPath()));   String line;   while ((line = reader.readLine()) != null) {     //TODO: your code here   }   reader.close(); }

文章来源：http://www.codelast.com/
『2』新API
上面的代码中，addCacheFile() 方法和 getLocalCacheFiles() 都已经被Hadoop 2.x标记为 @Deprecated 了。
因此，有一套新的API来实现同样的功能，这个链接里有示例，我在这里再详细地写一下。
将HDFS文件添加到distributed cache中：

1	job.addCacheFile(new Path(inputFileOnHDFS).toUri());

在mapper的setup()方法中：

1 2 3

Configuration conf = context.getConfiguration(); URI[] localCacheFiles = context.getCacheFiles(); readCacheFile(localCacheFiles[0]);

其中，readCacheFile()是我们自己的读取cache文件的方法，可能是这样做的（仅举个例子）：

1 2 3 4 5 6 7 8

private static void readCacheFile(URI cacheFileURI) throws IOException {   BufferedReader reader = new BufferedReader(new FileReader(cacheFileURI.getPath()));   String line;   while ((line = reader.readLine()) != null) {     //TODO: your code here   }   reader.close(); }

但是就像文章开头的那个链接里所描述的问题一样，你可能会发现 context.getCacheFiles() 总是返回null，也就是你无法读到cache文件。
这个问题有可能是这个bug造成的，你可以对比一下你的Hadoop版本。
文章来源：http://www.codelast.com/
『3』解决办法
（1）打patch
（2）升级Hadoop版本
（3）使用旧的DistributedCache API，经测试OK