在Web项目中，由用户下发任务后，后台服务器远程调用JobTracker所在服务器，运行Map/Reduce更符合B/S架构的习惯。
由于网上没有相关资料，所以自己实现了一个，现在分享一下。
注：基于Hadoop1.1.2版本
转发请注明地址：http://sgq0085.iteye.com/admin/blogs/1879442
一个常见的WordCount如下：
package com.gqshao.hadoop.remote;
import java.io.IOException;
import java.util.*;
import org.apache.hadoop.conf.*;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.*;
import org.apache.hadoop.mapreduce.lib.input.*;
import org.apache.hadoop.mapreduce.lib.output.*;
import org.apache.hadoop.util.*;
public class WordCount extends Configured implements Tool {
public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken());
context.write(word, one);
}
}
}
public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}
public int run(String[] args) throws Exception {
this.getClass().getResource("/hadoop/");
Configuration conf = getConf();
Job job = new Job(conf);
conf.set("mapred.job.tracker", "192.168.0.128:9001");
conf.set("fs.default.name", "hdfs://192.168.0.128:9000");
conf.set("hadoop.job.ugi", "hadoop");
conf.set("Hadoop.tmp.dir", "/user/gqshao/temp/");
job.setJarByClass(WordCount.class);
job.setJobName("wordcount");
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);
String hdfs = "hdfs://192.168.0.128:9000";
args = new String[] { hdfs + "/user/gqshao/input/big", hdfs + "/user/gqshao/output/WordCount/" + new Date().getTime() };
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
boolean success = job.waitForCompletion(true);
return success ? 0 : 1;
}
public static void main(String[] args) throws Exception {
int ret = ToolRunner.run(new WordCount(), args);
System.exit(ret);
}
}
在这里输入和输出目录都是指向HDFS上的，但实际运行的时候(一般 -Xms128m -Xmx512m -XX:MaxPermSize=128M)发现输出中有如下信息：
信息: Running job: job_local_0001
证明该Map/Reduce程序运行在Local中。也就是说，这种方式只能提前打好Jar包，放到Cluster服务器上，在通过Jar运行。
转发请注明地址：http://sgq0085.iteye.com/admin/blogs/1879442
如何远程运行Map/Reduce程序，经研究发现两点。
1.需要将Hadoop的配置文件加载到当前进程的ClassLoader中，或将配置文件放到/bin目录下。
通过跟踪 job.waitForCompletion(true);→submit();→info = jobClient.submitJobInternal(conf);→status = jobSubmitClient.submitJob(jobId, submitJobDir.toString(), jobCopy.getCredentials());
发现private JobSubmissionProtocol jobSubmitClient;分别有两个实现
在org.apache.hadoop.mapred.JobClient中init()方法中可以看到如果设置了conf中如果设置了mapred.job.tracker则在Hadoop Cluster中运行，否则是Local
public void init(JobConf conf) throws IOException {
String tracker = conf.get("mapred.job.tracker", "local");
tasklogtimeout = conf.getInt(
TASKLOG_PULL_TIMEOUT_KEY, DEFAULT_TASKLOG_TIMEOUT);
this.ugi = UserGroupInformation.getCurrentUser();
if ("local".equals(tracker)) {
conf.setNumMapTasks(1);
this.jobSubmitClient = new LocalJobRunner(conf);
} else {
this.rpcJobSubmitClient =
createRPCProxy(JobTracker.getAddress(conf), conf);
this.jobSubmitClient = createProxy(this.rpcJobSubmitClient, conf);
}
}
所以需要在运行时加载某目录下配置文件
方法如下：
/**
* 加载配置文件
*/
public static void setConf(Class<?> clazz, Thread thread, String path) {
URL url = clazz.getResource(path);
try {
File confDir = new File(url.toURI());
if (!confDir.exists()) {
return;
}
URL key = confDir.getCanonicalFile().toURI().toURL();
ClassLoader classLoader = thread.getContextClassLoader();
classLoader = new URLClassLoader(new URL[] { key }, classLoader);
thread.setContextClassLoader(classLoader);
} catch (Exception e) {
e.printStackTrace();
}
}
2.设置运行时Jar包
继续看jobClient.submitJobInternal(conf);可以发现client在提交作业到Hadoop时需要把作业打包成jar，然后copy到fs的submitJarFile路径中。所以必须指定conf中的运行的Jar包。
方法如下：
/**
* 动态生成Jar包
*/
public static File createJar(Class<?> clazz) throws Exception {
String fqn = clazz.getName();
String base = fqn.substring(0, fqn.lastIndexOf("."));
base = "/" + base.replaceAll("\\.", Matcher.quoteReplacement("/"));
URL root = clazz.getResource("");
JarOutputStream out = null;
final File jar = File.createTempFile("HadoopRunningJar-", ".jar", new File(System.getProperty("java.io.tmpdir")));
System.out.println(jar.getAbsolutePath());
Runtime.getRuntime().addShutdownHook(new Thread() {
public void run() {
jar.delete();
}
});
try {
File path = new File(root.toURI());
Manifest manifest = new Manifest();
manifest.getMainAttributes().putValue("Manifest-Version", "1.0");
manifest.getMainAttributes().putValue("Created-By", "RemoteHadoopUtil");
out = new JarOutputStream(new FileOutputStream(jar), manifest);
writeBaseFile(out, path, base);
} finally {
out.flush();
out.close();
}
return jar;
}
/**
* 递归添加.class文件
*/
private static void writeBaseFile(JarOutputStream out, File file, String base) throws IOException {
if (file.isDirectory()) {
File[] fl = file.listFiles();
if (base.length() > 0) {
base = base + "/";
}
for (int i = 0; i < fl.length; i++) {
writeBaseFile(out, fl[i], base + fl[i].getName());
}
} else {
out.putNextEntry(new JarEntry(base));
FileInputStream in = null;
try {
in = new FileInputStream(file);
byte[] buffer = new byte[1024];
int n = in.read(buffer);
while (n != -1) {
out.write(buffer, 0, n);
n = in.read(buffer);
}
} finally {
in.close();
}
}
}
修改后的WordCount如下：
public class WordCount extends Configured implements Tool {
public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
String line = value.toString();
System.out.println("line===>" + line);
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken());
context.write(word, one);
}
}
}
public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}
public int run(String[] args) throws Exception {
Configuration conf = getConf();
Job job = new Job(conf);
System.out.println(conf.get("mapred.job.tracker"));
System.out.println(conf.get("fs.default.name"));
/**
* TODO:调用二
*/
File jarFile = RemoteHadoopUtil.createJar(WordCount.class);
((JobConf) job.getConfiguration()).setJar(jarFile.toString());
job.setJarByClass(WordCount.class);
job.setJobName("wordcount");
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
job.setMapperClass(Map.class);
job.setReducerClass(Reduce.class);
job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);
String hdfs = "hdfs://192.168.0.128:9000";
args = new String[] { hdfs + "/user/gqshao/input/WordCount/", hdfs + "/user/gqshao/output/WordCount/" + new Date().getTime() };
FileInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
boolean success = job.waitForCompletion(true);
System.out.println(job.isComplete());
System.out.println("JobID: " + job.getJobID());
return success ? 0 : 1;
}
public static void main(String[] args) throws Exception {
/**
* TODO:调用一
*/
RemoteHadoopUtil.setConf(WordCount.class, Thread.currentThread(), "/hadoop");
int ret = ToolRunner.run(new WordCount(), args);
System.exit(ret);
}
}
转发请注明地址：http://sgq0085.iteye.com/admin/blogs/1879442
附件中有完整代码和测试用例，欢迎讨论。解压后在文件目录中运行mvn eclipse:clean eclipse:eclipse即可(前提是需要有Maven)
相关推荐
ebsdi-apps则包含具体的MapReduce作业，它们简单调用ebsdi-domain中的接口来执行业务逻辑。 实现MapReduce程序的流程大致如下： 1. 创建输入实体类，确保属性与HDFS中的原始数据字段匹配，并实现MREntity抽象类的...
接下来，在Eclipse中可以通过Window -> Preferences配置Hadoop安装路径，然后通过Open Perspective选择Map/Reduce视角，以显示Map/Reduce Locations面板。 连接Hadoop涉及在DFS Locations面板上创建新的location，...
1. 运行MapReduce任务：在项目中右键选择"Run As" -> "Hadoop Job"，Eclipse会调用Hadoop的命令行工具提交任务到集群。你可以跟踪任务的状态，查看日志，了解任务运行情况。 2. 调试MapReduce任务：通过"Debug As" ...
- **任务调度**：根据资源可用性及优先级等因素，将作业分解成多个任务（Map和Reduce任务），并分配给合适的TaskTracker进行执行。 - **状态监控**：跟踪所有TaskTracker的状态，以及各个任务的执行情况，确保作业...
描述中提到的操作是针对Windows环境的，即替换Windows上的Hadoop `bin`目录，并将`hadoop.dll`文件复制到系统目录`C:\Windows\System32`，这是为了让Hadoop在Windows环境下能够正确识别和调用依赖的动态链接库。...
4. 对于调试，可以利用Eclipse的断点功能，设置在代码中需要检查的地方，当执行到该位置时，程序会暂停，便于查看变量值和调用堆栈。 六、注意事项 1. 确保Hadoop服务在本地或者远程集群上正常运行。 2. 确认Hadoop...
停止Map/Reduce服务则需要执行命令`$bin/stop-mapred.sh`。该命令同样会根据JobTracker上的`$HADOOP_CONF_DIR/slaves`文件，在所有列出的从节点上停止TaskTracker守护进程。 **10. 启动所有服务** 使用命令`$bin/...
web工程调用hadoop集群的实例，包括一个wordcount例子。 输入输入和输出路径点击提交即可提交任务到hadoop集群，同时含有map和reduce过程的监控。 注意点：要把hadoop相关包放入WEB_INF/lib下面；
Java Web程序调用Hadoop 2.6是一个关键的技术整合，它允许Web应用程序与Hadoop分布式文件系统（HDFS）和MapReduce框架交互，以处理大规模数据。在本示例中，我们将深入探讨如何实现这一集成，以及涉及的关键概念和...
在压缩包文件`hadoop_map_reduce-master`中，可能包含了完整的MapReduce示例代码，包括Mapper、Reducer的实现，以及主程序。你可以通过阅读和运行这些代码来学习如何在实际项目中应用Hadoop MapReduce解决大数据问题...
最后，通过Eclipse的“Window” -> “Preferences” -> “Hadoop Map/Reduce”设置Hadoop集群的相关信息，如JobTracker和NameNode的地址。 在实际开发中，使用这些工具可以提高开发效率，减少手动配置的工作量。...
### Map-Reduce 实现细节与问题解决 #### 客户端操作流程 Map-Reduce 的启动过程始于客户端向系统提交任务。此过程的核心是通过 `JobClient` 类的 `runJob` 静态方法来实现。具体步骤如下： 1. **JobClient 对象...
3. **创建Hadoop项目**: 使用Eclipse的New -> Project菜单，选择Hadoop相关的项目类型，如Hadoop Map/Reduce Project，然后按照向导完成项目创建。 4. **编写MapReduce代码**: 在创建的项目中，可以像其他Java项目...
Eclipse会通过Hadoop的本地模式运行作业，使得你可以逐行执行代码，查看变量状态，调用栈等信息。这对于找出程序中的逻辑错误非常有帮助。 对于远程调试，你可能需要在Hadoop集群上启动作业时启用调试模式。在启动...
3. 重启Eclipse，如果在"Window > Preferences > Hadoop Map/Reduce"中能看到配置选项，说明插件已成功安装。 4. 配置Hadoop集群的连接信息，包括Hadoop的安装路径、NameNode和JobTracker的地址。 需要注意的是，...
3. **创建提交脚本**：创建一个提交脚本（通常为bash脚本），用于指定Map和Reduce任务的输入、输出路径，以及调用Hadoop Streaming命令。命令格式如下： ``` hadoop jar $HADOOP_HOME/share/hadoop/tools/lib/...