hadoop工作流引擎解压jar文件，并运行出现类型不匹配的情况

在做hadoop工作流引擎项目开发的时候，编写某些特定的Mapreduce程序，虽然该程序在hadoop平台型运行正常，但在工作流引擎中运行却出现错误，主要的原因是该工作流引擎是提取jar中的Mapper和Reducer以及主类，运行该jar时是要重新设置输入输出类型，原先设定的是输入时Text，输出是IntWritable，所以即使jar程序没有错，但放在工作流引擎中运行的时候就会报出异常……所以，需要重新调整程序提取的变量，获取配置信息。在这里可以使用java的reflect的Method或者Field来解决，具体的代码如下：

			//从键值对中获取当前结点的Mapper和Reducer
			clss = fileScan.getCls();
			String m = clss.get("mapper");
			String r = clss.get("reducer");
			String ml=clss.get("maincls");

			logger.info(jobName + "'s Map : " + m);
			logger.info(jobName + "'s Reduce : " + r);

			Class mapper = loader.loadClass(m);
			Class reducer = loader.loadClass(r);
			Class maincls=loader.loadClass(ml);
		    Object main=maincls.newInstance();
		    Field combinerField=maincls.getDeclaredField("combinerCls");
		    Field outputKeyField=maincls.getDeclaredField("outputKeyCls");
		    Field outputValueField=maincls.getDeclaredField("outputValueCls");
		    boolean combiner=combinerField.getBoolean(main);
		    Class outputKeyClass=(Class)outputKeyField.get(main);
		    Class outputValueClass=(Class)outputValueField.get(main);
		    logger.info("combinerCls"+combiner);
		    logger.info("outputKeyCls"+outputKeyClass);
		    logger.info("outputValueCls"+outputValueClass);
			
			
			Job job = new Job(conf, jobName);
			job.setJarByClass(maincls);
			job.setMapperClass(mapper);
			if(combiner)
				job.setCombinerClass(reducer);
			job.setReducerClass(reducer);
			job.setOutputKeyClass(outputKeyClass);
			job.setOutputValueClass(outputValueClass);

			if (input.indexOf(";") == -1) {
				FileInputFormat.addInputPath(job, new Path(input));
			} else {
				st = new StringTokenizer(input, ";");
				while (st.hasMoreTokens()) {
					FileInputFormat.addInputPath(job, new Path(st.nextToken()
							.trim()));
				}
			}
			output ="/"+username+"/output/" + jobName;
			FileOutputFormat.setOutputPath(job, new Path(output));
			/**
			 * 此部分用来处理job，将所有的job，根据其流id存储到Map中，供用户选择性终止
			 * */
			//将当前job加入到job的ArrayList jobs中
			jobs.add(job);
			//如果全局FlowId_Job_List中没有该flowId，则将flowId作为key，jobs作为值，存入FlowId_Job_List
			if(!GlobalVar.getGlobalVar().getFlowId_Job_List().containsKey(flowId))
				GlobalVar.getGlobalVar().getFlowId_Job_List().put(flowId, jobs);
			else{//	全局FlowId_Job_List中有flowId，更新该key对应的value
				jobs=GlobalVar.getGlobalVar().getFlowId_Job_List().get(flowId);
			    jobs.add(job);
			    GlobalVar.getGlobalVar().getFlowId_Job_List().remove(flowId);
			    GlobalVar.getGlobalVar().getFlowId_Job_List().put(flowId, jobs);
			}
	       
            //提交作业
			job.submit();