高级搜索|网站地图|TAG标签RSS订阅[设为首页] [加入收藏]

搜索

热门标签:

当前位置: > Linux集群 > Hadoop >

Hadoop作业提交多种方案具体流程详解

时间:2015-05-11 03:14来源:linux.it.net.cn 作者:IT

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:
  1. package org.apache.hadoop.examples;   
  2.   
  3. import java.io.IOException;   
  4. import java.util.StringTokenizer;   
  5. import org.apache.hadoop.conf.Configuration;   
  6. import org.apache.hadoop.fs.Path;   
  7. import org.apache.hadoop.io.IntWritable;   
  8. import org.apache.hadoop.io.Text;   
  9. import org.apache.hadoop.mapreduce.Job;   
  10. import org.apache.hadoop.mapreduce.Mapper;   
  11. import org.apache.hadoop.mapreduce.Reducer;   
  12. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;   
  13. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;   
  14.   
  15. public class WordCount {   
  16. //mapper类   
  17.   public static class TokenizerMapper    
  18.        extends Mapper<Object, Text, Text, IntWritable>{   
  19.        
  20.     private final static IntWritable one = new IntWritable(1);   
  21.     private Text word = new Text();   
  22.          
  23.     public void map(Object key, Text value, Context context   
  24.                     ) throws IOException, InterruptedException {   
  25.       StringTokenizer itr = new StringTokenizer(value.toString());   
  26.       while (itr.hasMoreTokens()) {   
  27.         word.set(itr.nextToken());   
  28.         context.write(word, one);   
  29.       }   
  30.     }   
  31.   }   
  32.      
  33. //reducer类   
  34.   public static class IntSumReducer    
  35.        extends Reducer<Text,IntWritable,Text,IntWritable> {   
  36.     private IntWritable result = new IntWritable();   
  37.   
  38.     public void reduce(Text key, Iterable<IntWritable> values,    
  39.                        Context context   
  40.                        ) throws IOException, InterruptedException {   
  41.       int sum = 0;   
  42.       for (IntWritable val : values) {   
  43.         sum += val.get();   
  44.       }   
  45.       result.set(sum);   
  46.       context.write(key, result);   
  47.     }   
  48.   }   
  49.    public static void main(String[] args) throws Exception {   
  50.     Configuration conf = new Configuration();   
  51.      
  52.     Job job = new Job(conf, "word count");   
  53.     job.setJarByClass(WordCount.class);   
  54.     job.setMapperClass(TokenizerMapper.class);   
  55.     job.setCombinerClass(IntSumReducer.class);   
  56.     job.setReducerClass(IntSumReducer.class);   
  57.     job.setOutputKeyClass(Text.class);   
  58.     job.setOutputValueClass(IntWritable.class);   
  59.     FileInputFormat.addInputPath(job, new Path("/home/hadoop/testin"));   
  60.     FileOutputFormat.setOutputPath(job, new Path("/home/hadoop/testout"));   
  61.        
  62.     System.exit(job.waitForCompletion(true) ? 0 : 1);   
  63.      
  64.      }   
  65. }   
  66.  


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：
  1. //在你的文件地址前自动添加：hdfs://master:9000/   
  2. conf.set("fs.default.name", "hdfs://master:9000/");   
  3. conf.set("Hadoop.job.user","xiaolu");     
  4. //指定jobtracker的ip和端口号，master在/etc/hosts中可以配置   
  5. 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：）

  1. 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：

  1.        //将Configuration类换成JobConf类   
  2.  JobConf conf = new JobConf();   
  3. //设置jar   
  4. 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：
  1. 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~




(责任编辑：IT)
------分隔线----------------------------
栏目列表
推荐内容
热点内容
免责申明 - 版权申明

Copyright © 2014 - 2022 IT网 版权所有 www.it.net.cn IT网.com IT网.cn Linux学习