Hadoop作业提交多种方案具体流程详解

 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:

Java代码  


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： 

Java代码  


//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代码  


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： 

Java代码  


       //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： 

Java代码  


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~