mapreduce job提交的几种运行方式

总共整理下来有三大类：

• 集群上直接通过jar包来调用，输入和输出文件必须都存在hdfs集群上
• linux环境下，在eclipse中集群或本地调用程序，以及输入和输出文件存于集群或本地
• windows环境下，在eclipse中集群或本地调用程序，以及输入和输出文件存于集群或本地

---

1、在eclipse中开发好mr程序（windows或linux下都可以），然后打成jar包(wc.jar)，上传到服务器
执行命令

hadoop jar wc.jar com.elon.bigdata.hadoop.MainClassRunner 

这种方式会将这个job提交到yarn集群上去运行,程序的输入和输出文件可以存在windows/linux本地或者hdfs集群上,根据程序中编写的Path路径来做选择。

2、在Linux的eclipse中直接启动Runner类的main方法，这种方式可以使job运行在本地，也可以运行在yarn集群

• 究竟运行在本地还是在集群，取决于第一个配置参数

  conf.set("mapreduce.framework.name", "yarn");   //设置mapreduce的运行是在local(默认)还是yarn上
  conf.set("yarn.resourcemanager.hostname", "hadoop");    //若在yarn上运行，则指定yarn主机名
  

• 如果确实需要在eclipse中提交到yarn执行，必须做好以下两个设置

  • 将mr工程打成jar包(wc.jar)，放在工程主目录下

  • 在工程的main方法中，加入一个配置参数 conf.set(“mapreduce.job.jar”,”wc.jar”);

3、在windows的eclipse中运行本地模式，步骤为：

• a、在windows中找一个地方放一份hadoop的安装包，并且将其bin目录配到环境变量中
• b、根据windows平台的版本（32？64？win7？win8？），替换掉hadoop安装包中的本地库(bin,lib)
• c、mr程序的工程中不要有参数mapreduce.framework.name的设置

4、在windows的eclipse中运行main方法来提交job到集群执行，比较麻烦

• a、类似于方式3中所描述的对本地库兼容性进行改造
• b、修改YarnRunner这个类